热点事件持续更新
研究团队提出智能体强化学习方法VH-GPO
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
2026年10月14日，研究团队在arXiv发布论文，提出面向大语言模型智能体强化学习的验证交接方法VH-GPO。该方法通过教师模型修复智能体的失败状态，并在验证可行后尽早归还控制权，以此确保最终成功轨迹主要由学生模型生成。实验表明，在Qwen2.5-1.5B模型上，VH-GPO相较于GRPO取得显著效果提升：在ALFWorld基准上的成功率从59.38%提升至94.79%，在WebShop基准上的成功率从71.62%提升至77.34%。
AI 根据报道生成 · 3 小时前更新
最新进展10月14日 12:00
研究者提出智能体强化学习方法VH-GPO，显著提升Qwen2.5模型在多项任务中的成功率。报道时间线
沿着报道，了解事件的不同侧面。
10月14日
- arXiv 机器学习VH-GPO：面向大语言模型智能体强化学习的验证交接方法
研究者提出面向大语言模型智能体强化学习的验证交接方法 VH-GPO，通过教师模型修复失败状态并在验证可行后尽早归还控制权，确保成功轨迹由学生生成。在 Qwen2.5-1.5B 上，VH-GPO 相比 GRPO 将 ALFWorld 成功率从 59.38% 提升至 94.79%，WebShop 成功率从 71.62% 提升至 77.34%。
本事件热度走势
当前热度 9·可比范围峰值 9（10月14日 15:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。