Bowei He

新研究优化了 agentic reinforcement learning 的数据扩展

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…