MetaGPT团队LAR方法被NeurIPS 2026接收

MetaGPT团队提出Latent Action Reparameterization（LAR）方法，将Agent轨迹中高频、低熵的多步文本动作压缩为可学习的潜在动作，以缩短有效决策链。该论文已被NeurIPS 2026接收。 据团队介绍，实验中只训练LoRA参数和新增的latent action embedding，可训练参数约占模型总参数的0.1%，其余预训练权重全部冻结；latent action只利用已有任务学习，不做额外训练，可直接迁移到未见过的新任务。报道称，该方法使Agent动作token最高节省27%。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。