HuggingFace Daily Papers· Kejian Zhu, Zhuoran Jin, Shangqing Tu, Tianyi Men, Yupu Hao, Jiachun Li, Kang Liu, Jun Zhao·· 1 天前AI 评分35
多轮强化学习在 LLM 智能体中的实际改进研究
What Does Multi-Turn Reinforcement Learning Really Improve in LLM Agents?
AI 导读
研究显示多轮强化学习在长时序任务中表现优异，但性能高度依赖交互预算；当预算收紧时优势显著下降，且主要提升错误恢复和长时序韧性。BudgetMix RL 通过训练时动态调整交互预算，实现了跨不同执行环境的鲁棒性能。
来源：HuggingFace Daily Papers · arxiv.org