PulseAugur
中
实时 06:19:15
实体 Agentic RL

Agentic RL

PulseAugur coverage of Agentic RL — every cluster mentioning Agentic RL across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
3
90 天内 5
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 5
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 5 条
  1. TOOL · CL_324370 ·

    新框架StaR-TTA提升了RL训练后LLM的置信度

    研究人员开发了StaR-TTA,一个旨在提升大型语言模型在经过代理强化学习(RL)训练后的置信度估计的新框架。该方法解决了RL训练后推理轨迹偏移导致的置信度分数下降问题。StaR-TTA利用了这样一个观察结果:即使在RL训练后,更稳定的轨迹也倾向于产生更正确的答案。通过从标记的基础轨迹的正确性和稳定性信号中学习,StaR-TTA将置信度分数自适应到未标记的RL轨迹上,在四个问答基准测试中实现了0.721的平均AUROC。

  2. RESEARCH · CL_284443 ·

    NeMo-DCR 将万亿参数模型更新速度提升 35 倍

    研究人员开发了 NeMo-DCR,一种用于在智能体强化学习中高效更新万亿参数模型的新颖方法。该技术仅发送更改的权重,实现了训练和回放集群之间的比特精确同步。NeMo-DCR 将模型重构所需的时间从一个多小时大大缩短到几分钟,使大规模智能体强化学习更加实用。

  3. RESEARCH · CL_281699 ·

    新框架VideoEvolve和KeyRec增强长视频理解能力

    两篇新研究论文VideoEvolve和KeyRec介绍了用于改进视觉语言模型长视频理解能力的新颖框架。VideoEvolve采用一个自演化系统,通过代理强化学习联合优化记忆增强和检索适应,并由反馈机制指导以解决瓶颈和泛化学习。KeyRec提供了一种无需训练的方法来构建有界视觉记忆,将近期观察与历史事件分开,从而能够通过显著减少的token预算实现高效的查询自适应读取。

  4. RESEARCH · CL_191120 ·

    新研究解决 LLM 代理的信用分配问题 · 已追踪 2 个来源

    arXiv 上的两篇新研究论文探讨了大型语言模型代理的高级信用分配技术。第一篇论文《从推理到代理:大型语言模型强化学习中的信用分配》综合了现有研究,以应对在复杂的代理环境中确定哪些具体行动或推理步骤能带来预期结果的挑战。第二篇论文《Gated-BEPO:置信门控贝尔曼信用分配用于大型语言模型代理》引入了一种名为 Gated-BEPO 的新方法,该方法使用经验性滚动图和置信门来更有效地将稀疏终端结果的奖励传播到单个行动,并在各种基准测试…

  5. RESEARCH · CL_91346 ·

    新的强化学习方法增强大型语言模型训练的稳定性和效率 · 跟踪 7 个来源

    研究人员开发了几种新方法来提高大型语言模型 (LLM) 中强化学习 (RL) 的稳定性和效率。STARE 通过根据惊奇度重新加权 token 级优势来解决策略熵崩溃问题,在推理基准测试中显示出更高的准确性。GrowthHacker 利用 LLM 代理自主优化离策略评估 (OPE) 代码,证明了改进 OPE 系统的可行性。ZPPO 将教师模型保留在提示中而不是策略梯度中,从而增强了小型学生模型的知识蒸馏。GD$^2$PO 通过过滤掉具有…