现有结合llama模型和ppo的任务规划系统，在一个仿真环境virtualhome里进行任务规划，llama给出指令，ppo负责调整模型参数来提高任务执行的正确率（这部分代码已经写好了），想实现不用llama模型，单纯用强化学习算法来实现任务规划
预算：2k
非诚勿扰
招聘类型:
外包零活
职业:
开发
工作方式:
线上兼职
领域:
AI/人工智能
电鸭是国内最早的远程工作社区。我们倡导“只工作，不上班”的生活方式，努力推动多样化工作方式在国内的渐进式发展。
下载 APP：
电鸭是国内最早的远程工作社区。我们倡导“只工作，不上班”的生活方式，努力推动多样化工作方式在国内的渐进式发展。
大模型这么便宜啊，还是不学了
所以我说的是想不用大模型了
找俺试试，俺是大厂算法工程师
hello，方便加V聊聊吗？有算法需求
加你了
v搜不到，发了条短信
俺可以试试，怎么联系一下？简单介绍一下自己，做过一些强化学习的规划任务，在机器人顶会上发过一些文章。
方便给个v或者电话吗？
有大模型相关的开发经验，可以试着做一下