Đồng tiến hóa khả năng hành động và dự báo cho tác tử ngôn ngữ

Việc huấn luyện tác tử ngôn ngữ bị hạn chế bởi chi phí cao của các lần triển khai trên chân trời dài, trong khi học tăng cường tác tử tiêu chuẩn chỉ học từ một phần thưởng vô hướng ở cuối, khiến phần giám sát tại các bước trung gian chưa được tận dụng đầy đủ. Các nghiên cứu trước đây khai thác tín hiệu này thông qua những mục tiêu giá trị.