Aprendizado por Reforço Experiencial: melhorando o desempenho com ciclo de feedback explícito

O Aprendizado por Reforço Experiencial (ERL) treina políticas utilizando um ciclo explícito de tentativa, feedback, reflexão e tentativa revisada. As revisões bem-sucedidas são então reforçadas de volta ao modelo base. Esta abordagem melhora significativamente o aprendizado com recompensas esparsas e o desempenho de raciocínio no uso de ferramentas ️, sem alterar o custo de inference durante a implantação.