arXiv 人工智能· Ziang Ye, Wentao Shi, Lei Chen, Zhengzhou Cai, Yu Wang, Zhiyuan Yao, Zihan Wang, Xierui Song, Fuli Feng, Yixin Cao·· 4 小时前AI 评分41
ReTRAIL：长流程智能体的回顾式探索与进化框架
Travel Back To Move Forward: Retrospective Exploration and Evolving for Long Horizon Agents
AI 导读
研究人员提出 ReTRAIL 框架，允许大语言模型智能体将环境回溯至早期状态，同时保留有效进展并继承废弃分支中获得的探索经验。该框架采用共享策略，结合状态锚定 GRPO 与分支推进奖励两种互补信号进行训练。在 MineSweeper、Sokoban、ALFWorld 和 ScienceWorld 四项基准测试中，ReTRAIL 均有效实现了经验复用与决策优化，相关代码已开源。
来源：arXiv 人工智能 · arxiv.org