中科院研究揭示多轮 Agent RL 增益依赖交互预算
CASIA · hf · 2026-11-05
中科院自动化所与清华大学的论文通过 Pass@(K,T) 指标系统评估多轮 agentic RL,发现:
- 轨迹级 RL 优势依赖充足的交互回合预算,预算收紧时收益显著衰减;
- agentic RL 并不普遍提升单步决策质量,其强项集中在错误恢复与长程韧性;
- 作者讨论了过程监督信号的利弊,并提出 BudgetMix RL,在训练中变化交互预算,使模型在多样执行环境下保持稳健表现。
项目页:rethinking-agentic-rl.github.io
「编程与Agent」频道最新
- Laya 0.4.24 发布：0.8B 小模型免微调学习标签，支持 73k 上下文 — NirantK · 2026-11-05
- Qwen3.6-35B 去审查版配 Hermes Agent 提示词实机演示 — EvilEnginer · 2026-11-05
- Ghosthand 为 Grok bot 配真机 iPhone,专解验证码与风控 — ethanniser · 2026-11-05
- MCP 工具 98% 击败 Text2Cypher 与裸 GPT-4o,生物医学问答实测 — JeremyCMorgan · 2026-11-05
- Wise 提出 agent 支付新范式：客户一次性授权，智能体免逐步审批 — AI Engineer · 2026-11-05
- 马斯克展示 Grok 可打电话帮用户预约牙医 — elonmusk · 2026-11-05