一篇新的研究论文探讨了如何在 agentic reinforcement learning (RL) 中优化数据扩展，将数据视为一个结构化的设计空间，而不是单一的 token 计数。该研究确定了 agentic 数据的三个关键基数轴：任务、环境和轨迹，以及一个奖励密度控制变量。在各种模型大小、模型家族、领域和 PPO、GRPO 等 RL 算法中，研究发现扩展环境多样性可带来最显著的改进，其次是任务多样性，然后是轨迹多样性。研究结果表明，优先考虑环境多样性，特别是世界多样性，对于有效的 agentic RL 至关重要。 AI
影响 为 agentic RL 中的数据合成优化提供了一个框架，可能导致更高效的 AI 代理训练。
排序理由 一篇在 arXiv 上发表的研究论文，详细介绍了 agentic reinforcement learning 的新发现。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
