arXiv cs.AI / cs.LG 最新· Tao Ren·· 2 天前AI 评分42
面向长程 LLM 智能体的多尺度策略优化 MPO
Multiscale Policy Optimization for Long-Horizon LLM Agents
AI 导读
研究提出多尺度策略优化 MPO，用 Multiscale Advantage Estimation（MAE）与 turn 级重要性采样，把信用分配与策略更新对齐到 turn 尺度。在搜索、工具使用与自动化任务上，4B 和 30B-A3B 模型相比强 RL 基线取得一致提升。
标题与摘要由 AI 辅助生成，事实与观点以原文为准。
来源：arXiv cs.AI / cs.LG 最新 · arxiv.org
本站标题、摘要与推荐理由由 AI 辅助生成；原文版权归来源所有。