arXiv 机器学习· Huancheng Chen, Xiaodi Sun, Zhaoqiong Huang, Michelle Chang, Jingwen Lu·· 9 hours agoAI score34
TalentRL：用于分层技能路由的策略引导强化学习
TalentRL: Strategy-Guided Reinforcement Learning for Hierarchical Skill Routing
Not yet translated; shown in Chinese.
AI guide
TalentRL 提出策略引导的强化学习框架，通过粗粒度策略（talents）分层路由细粒度技能，优化 LLM 智能体执行。在 7 个问答基准中，该方法让 Qwen2.5-7B、Qwen3-8B 与 Llama-3.1-8B 均取得最高平均成功率。在智能体基准 ALFWorld 和 WebShop 上，TalentRL 分别以 99.3% 成功率和 90.7 分位列对比方法第一。
Source:arXiv 机器学习 · arxiv.org