Reward-Zero: Sprachbasierte Implicit-Reward-Mechanismen für RL

Forscher haben ein neues Tool namens Reward-Zero vorgestellt, das natürliche Sprachbeschreibungen von Aufgaben in kontinuierliche Fortschrittssignale für Reinforcement‑Learning‑Agenten umwandelt.

Reward-Zero nutzt Sprach‑Embeddings, um die Beschreibung einer Aufgabe mit den Embeddings der Agenteninteraktionen zu vergleichen. Dadurch entsteht ein semantisch abgestimmtes „Sense‑of‑Completion“-Signal, das als zusätzliche Belohnung fungiert, ohne dass für jede Aufgabe spezielles Engineering nötig ist.

In Experimenten beschleunigt Reward‑Zero die Exploration, stabilisiert das Training und verbessert die Generalisierung über verschiedene Aufgaben hinweg. Agenten, die mit diesem Ansatz trainiert wurden, konvergieren schneller und erzielen höhere Erfolgsraten als klassische Methoden wie PPO mit herkömmlicher Reward‑Shaping‑Baselines.

Zusätzlich wurde ein Mini‑Benchmark entwickelt, um die Wahrnehmung des Abschlussgefühls während der Ausführung von Aufgaben anhand von Sprach‑Embeddings zu evaluieren. Die Ergebnisse zeigen, dass sprachgesteuerte Implicit‑Reward‑Funktionen ein vielversprechender Weg sind, um Reinforcement‑Learning für eingebettete Agenten effizienter, generalisierbarer und skalierbarer zu machen.

Der zugehörige Code wird nach der Peer‑Review veröffentlicht.