要点:

1. LLaMA-Rider是一个训练框架，赋予大型语言模型在开放世界中自主探索、学习任务的能力，提高其适应开放环境的通用智能。

2. LLaMA-Rider采用反馈-修改机制进行主动探索，在探索阶段将成功经验整合为监督数据集，然后用于微调模型，提高多任务解决的能力。

3. LLaMA-Rider的实验表现优于其他方法，具有高采样效率和低训练代价，展现了对开放世界的持续学习和多任务解决能力。

站长之家11月7日 消息:北京大学和北京智源人工智能研究院的团队提出了名为LLaMA-Rider的训练框架，旨在让大型语言模型在开放世界中具备自主探索和学习任务的能力。这个框架通过反馈-修改机制来实现主动探索，使模型在环境中接收反馈信息，不断调整决策，从而逐渐适应开放环境。

项目地址:https://github.com/PKU-RL/LLaMA-Rider

LLaMA-Rider采用两阶段训练方法，首先让模型在环境中自主探索，然后将成功经验整合为监督数据集，用于模型微调，提高多任务解决的能力。在实验中，LLaMA-Rider的表现优于传统任务规划器，具有高采样效率和低训练代价，尤其在处理大动作空间和复杂场景时表现出色。

LLaMA-Rider还展现了对新任务的泛化能力，表明模型学到了决策的泛化性。作者还验证了子任务重标记的重要作用，以及模型在任务相关问题中的准确回答，证明了模型在训练过程中学到了与环境知识的对齐。

实验结果显示，LLaMA-Rider在多任务解决上表现出高采样效率和低训练代价，与强化学习方法相比具有优势。这个研究为大型语言模型在开放世界中的自主学习提供了重要思路，具有广阔的应用前景。