多轮强化学习究竟提升了 LLM 智能体的什么能力？
What Does Multi-Turn Reinforcement Learning Really Improve in LLM Agents?
阅读原文
本站未展示全文，请前往来源网站阅读。
AI 导读
研究通过 Pass@(K,T) 在采样广度 K 与交互深度 T 上评估发现，多轮智能体强化学习的轨迹级收益依赖充足的轮次预算，预算收紧时收益明显下降。该方法的优势集中在错误恢复与长程韧性，而非均匀提升单步决策质量。作者提出 BudgetMix RL，在训练中变化交互预算，在多种执行设置下表现稳健。
来源：Hugging Face Daily Papers · arxiv.org