Framework usa LLM como consultor durante treinamento de agente de defesa ciberneutica por reforco, descartando o modelo antes da implantacao
O framework Ask the Expert melhora a eficiencia amostral de agentes de defesa ciberneutica treinados por aprendizado por reforco (PPO) consultando um LLM intermitentemente durante o treinamento para obter recomendacoes defensivas de alto nivel, que sao convertidas em recompensas escalonadas; o LLM e descartado apos o treinamento, entao a politica final implantada e puramente de RL, sem dependencia de LLM ou latencia de inferencia em producao. Testado nos ambientes de referencia TTCP CAGE CC1 e CC2, o metodo superou o PPO puro e baselines de reward shaping baseado em potencial, mantendo o melhor desempenho terminal medio.
Fonte ↗