研究人员开发了一种名为 BRACE（Bank-calibrated Rollout Allocation under Correlated Episodes）的新方法，用于优化工具使用语言模型在模型上下文协议（MCP）环境中的训练。该方法利用奖励分歧来指导策略训练的推广评估和分配，旨在改善学习信号。在不同规模的 Qwen3-VL 模型上进行的实验表明，与现有基线相比，BRACE 在更少的训练推广中达到了更高的峰值，并且在 BFCL 和 NESTFUL 任务上也表现出色。 AI
影响 该方法可能导致更高效的复杂 AI Agent 训练，降低计算成本并提高特定任务的性能。
排序理由 该集群包含一篇详细介绍 AI 强化学习新方法的学术论文。[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 →
