English(EN) Process Reward Informed Tree Rollout for Effective Multi-Turn RL

新框架通过树回滚提升LLM代理训练效率

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-20 04:00

研究人员开发了一个名为进程评分器引导自适应树回滚（PATR）的新框架，以提高多轮LLM代理强化学习的效率。该方法通过将轨迹组织成树状并从有希望的状态选择性地分支，解决了长周期任务中浪费探索的问题。PATR利用特定任务的反馈来评分部分轨迹、重用共享前缀并修剪无望的路径，从而在给定的训练预算内实现更有效的探索。在FrozenLake和SWE-Bench基准上的评估表明，PATR在FrozenLake上将结果提高了多达+9.3个点，在SWE-Bench上提高了+5.0个点，性能显著提升。 AI

影响提高了LLM代理在复杂、多轮任务中的训练效率。

排序理由详细介绍一种新的强化学习方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Xintong Li, Sha Li, Yuwei Zhang, Changlong Yu, Rongmei Lin, Hongye Jin, Shuyi Guan, Xin Liu, Linwei Li, Qingyu Yin, Jingbo Shang · 2026-07-20 04:00

Process Reward Informed Tree Rollout for Effective Multi-Turn RL

arXiv:2607.15610v1 Announce Type: cross Abstract: Reinforcement learning (RL) has become a key approach for training LLM agents, yet popular methods such as GRPO/RLOO rely on multiple independently sampled complete trajectories for advantage estimation. In long-horizon agentic ta…

报道来源 [1]

Process Reward Informed Tree Rollout for Effective Multi-Turn RL

相关实体

相关话题