arXiv 人工智能· Chen Xi, Ding Ruixue, Wang Zhigaoyuan, Zhang Fanrui, Zhang Qiang, Chen Boli, Wang Shihang, Wang Tianfu, Ren Ailin, Wang Pengyong, Xie Pengjun, Xiong Hui·· 6 小时前AI 评分36
Rollout-Time Intervention：突破策略能力边界解锁智能体强化学习
Rollout-Time Intervention: Unlocking Agentic Reinforcement Learning Beyond Policy Limits
AI 导读
研究团队提出 Rollout-Time Intervention（RTI），通过在采样阶段利用奖励端评估证据将错误轨迹转化为成功轨迹，解决了 LLM 智能体在强化学习中超出能力边界导致的训练崩溃难题。该方法通过过滤严重分布偏移的离策略轨迹优化策略，在 5 个 benchmark 上的表现持续超越强化学习基线，使模型能力逼近更强大的 LLM，相关代码已开源。
来源：arXiv 人工智能 · arxiv.org