WebGPT

2021-12。文本浏览器里的封闭问答循环。模型、环境与工具在这里第一次接成一个循环。

Nakano 等，2021，WebGPT: Browser-assisted question-answering with human feedback。微调 GPT-3，使其在文本网页浏览环境中搜索与导航，并用人类反馈优化长问答；答案必须带浏览过程中摘下的引用。

  1. 论文：按原文结构转述环境动作、行为克隆与人类反馈、ELI5 与 TruthfulQA，不加入后来的 ReAct 与 Agent 解释。
  2. 讲解：封闭问答循环如何接通模型、环境与工具；说明回合为什么止于作答，仍不是开放任务上的自主 Agent。

原文：arXiv:2112.09332（HTML、PDF）。

WebGPT（论文）

按原文结构转述 Nakano 等 2021 年 WebGPT：文本浏览器、模仿学习、人类反馈与评测。

WebGPT 讲解

GPT-3 在文本浏览器里检索、点击、引用、再作答。封闭问答循环：有动作与观察，回合止于 End: Answer。