Environment-Grounded Automated Prompt Optimization for LLM Game Agents

En 3 lignesFramework automatisé d'optimisation de prompts pour agents LLM en environnements interactifs. Décompose le pipeline observation-action en deux agents (descripteur et sélection), affine itérativement via boucle évolutive guidée par les retours environnementaux. Sur BabyAI/BALROG : amélioration de 0% à 72,5% sur PutNext sans fine-tuning.

Résumé généré par Claude — vérifié par l'humain