用于复杂序贯决策任务的混合式大语言模型增强强化学习智能体

论文提出一种混合智能体架构：由大语言模型负责生成子目标、结构化计划和上下文指导，再由强化学习智能体通过环境交互优化低层动作。摘要称，该方法在序贯决策任务上较纯RL和纯LLM基线具有更高样本效率、成功率和轨迹连贯性，但未给出任务、模型、数值或统计显著性细节。