# EVOKE方法

EVOKE 是一种后训练方法，它在固定环境状态与交互历史的前提下为同一批候选动作引入替代目标并做对比排序，从而迫使策略调用预训练中已有的动作后果知识；在 ALFWorld、WebShop 与搜索式问答三类任务、三个骨干模型上，它取得最佳平均成绩，ALFWorld 未见游戏成功率由 πboot 的 60.4% 提升到 91.8%，且用更少动作完成。

EVOKE 是一种后训练方法，它在固定环境状态与交互历史的前提下为同一批候选动作引入替代目标并做对比排序，从而迫使策略调用预训练中已有的动作后果知识；在 ALFWorld、WebShop 与搜索式问答三类任务、三个骨干模型上，它取得最佳平均成绩，ALFWorld 未见游戏成功率由 πboot 的 60.4% 提升到 91.8%，且用更少动作完成。