该论文的主要贡献是提出了一个利用语言模型和视觉语言模型来设计强化学习智能体的框架。该框架的核心思路是利用语言作为智能体的核心推理工具，探索语言模型如何为智能体解决一系列强化学习中的基本挑战，如有效的探索、经验数据的重用、技能调度以及从观察中学习等。