LLM‑gestützte Prompted Policy Search revolutioniert Reinforcement Learning
Reinforcement Learning (RL) hat sich lange Zeit auf reine Zahlenwerte als Belohnung beschränkt, wodurch die reichhaltige semantische Information, die in vielen realen Aufgaben vorhanden ist, ungenutzt bleibt. Menschen hingegen lernen effizient, indem sie numerisches Feedback mit Sprache, Vorwissen und gesundem Menschenverstand kombinieren. Prompted Policy Search (ProPS) nutzt genau diese Idee: Ein großes Sprachmodell steht im Mittelpunkt des Optimierungsprozesses und schlägt direkt neue Politikupdates vor, die sowohl die numerische Belohnung als auch natürliche Sprachangaben berücksichtigen.
