arXiv 人工智能· Jie Yang, Mianqiu Huang, Yiwei Zhao, Bo Wang, Yang Liu, Yuxin Wang·· 11 小时前AI 评分34
PEARL：面向多轮智能体的过程经验感知强化学习
PEARL: Process-Experience Aware Reinforcement Learning for Multi-Turn Agents
AI 导读
研究人员提出强化学习方法 PEARL，无需额外 critic 即可改善多轮 AI 智能体的局部信用分配。该方法通过提取并聚类成败轨迹的分歧决策特征，选择性增强低奖励决策的负优势，且不改变基座策略优化器。在 AppWorld 上其 4B 和 8B 规模均超越 ARPO，在 ALFWorld 4B 规模达到 97.9% 的平均成功率。
来源：arXiv 人工智能 · arxiv.org