Capo

新的Harness-RL框架增强了LLM代理训练

研究人员开发了Harness-RL，一个旨在改进在多代理环境中运行的大型语言模型（LLM）代理训练的新强化学习框架。该框架解决了优化动作及其参数的共享序列级信号以及处理动态、相互依赖的会话等挑战。Harness-RL利用冲突感知策略优化（CAPO）和黑盒轨迹构建来解耦策略梯度并准确捕捉会话动态。在七个基准测试的评估中，Harness-RL使用Qwen2.5模型取得了强劲的性能，证明了其方法的有效性。