arXiv 机器学习· Ruida Wang, Gerald Friedland, Tong Zhang, Chris Kong·· 5 小时前AI 评分41
Lean4AgenticRL：利用可验证多层级过程奖励推进智能体强化学习
Lean4AgenticRL: Advancing Agentic RL with Verifiable Multi-level Process Rewards
AI 导读
研究人员提出 Lean4AgenticRL 框架，将多层级过程奖励建立在 Lean4 统一形式化模式上，结合工作流阶段归一化的 GRPO 算法推进开放式智能体强化学习。
来源：arXiv 机器学习 · arxiv.org