EnvACE y State2State apuntan al entrenamiento escalable de agentes con LLM

Dos nuevos artículos en arXiv proponen métodos de entrenamiento para agentes con LLM que reducen la dependencia de supervisión especificada externamente. EnvACE sustituye la interacción con entornos externos durante el entrenamiento por “ensayo del mundo”, en el que la política genera llamadas a herramientas, simula la respuesta del entorno y optimiza ambos roles con recompensas por éxito en la tarea. State2State convierte estados de entorno explorados en objetivos de estado meta, usando correspondencia de estados basada en reglas en lugar de trayectorias expertas o diseño manual de tareas, y reporta mejoras en ALFWorld y ScienceWorld.