在人工智能领域，训练智能代理的方法一直在不断进化。最近，提出了一种名为SPRING（Study-Prompt-Reasoning-Inference-Navigate-Guide）的两阶段方法，它在训练智能代理方面超越了传统的强化学习方法。SPRING框架主要关注于使用大型语言模型（LLMs）在游戏环境中理解人类知识并进行推理。
大型语言模型（LLMs）是长文本语言模型，它们具有注意力机制，能够理解和处理大量的文本数据。在SPRING框架之前，训练智能代理的传统方法是强化学习。然而，这种方法需要大量的数据，并且可能在计算上非常昂贵。研究人员发现，他们的SPRING框架在训练LLMs方面超越了强化学习方法。
SPRING框架是一个提示框架，旨在使LLMs进行连贯的规划和推理。它生成引导模型朝向特定思考或目标的提示。该框架使用“战略性提示技术”，这涉及到基于之前的上下文预测对话中的下一个逻辑步骤。
第一阶段：学习。第一阶段涉及研究学术论文以获取与游戏相关的知识。在这个阶段，LLMs通过阅读学术文献或相关来源来训练特定知识领域，以获取必要的信息。