arXiv 机器学习· Bowei He, Yankai Chen, Xiaokun Zhang, Changjiang Han, Ye Yuan, Chong Li, Xue Liu·· 5 小时前AI 评分51
智能体强化学习数据扩展定律研究：环境多样性缩放效率优于轨迹
How Data Scales in Agentic Reinforcement Learning: Laws and Synthesis Strategies
AI 导读
该研究系统分析了智能体强化学习的数据扩展规律，将训练数据解构为任务、环境与轨迹三个轴向，在数学代码、软件工程、网络及工具等领域实测发现扩展指数排序为环境 > 任务 > 轨迹。环境多样性的优势主要由世界多样性驱动，且各轴向上合成数据发生崩溃的临界比例相差一个数量级。研究据此推导出的计算最优预算分配配方，比单纯扩展轨迹的主流方案提升了最高 1.7 倍的计算效率。
来源：arXiv 机器学习 · arxiv.org