# 序列动作选择

CB-Agent把专家轨迹里的环境动作决策抽出来，拟合一个可复用的概念向量来给候选动作打分，在TextWorld、ALFWorld、ScienceWorld上三个Qwen3规模都拿到所评方法里最高的跨基准平均分。

CB-Agent把专家轨迹里的环境动作决策抽出来，拟合一个可复用的概念向量来给候选动作打分，在TextWorld、ALFWorld、ScienceWorld上三个Qwen3规模都拿到所评方法里最高的跨基准平均分。