Hindsight Response Replay

ZipRL框架增强了多轮代理任务中LLM的上下文压缩能力

研究人员推出ZipRL，一个专为可验证奖励强化学习（RLVR）设计的新型自适应上下文压缩框架。该框架旨在通过平衡信息保留和令牌效率，提高大型语言模型（LLMs）处理复杂、多轮代理任务的能力。ZipRL采用多粒度压缩机制和滞后响应重放（HRR）来增强训练信号。在五个代理任务上的评估表明，ZipRL显著优于现有方法，在Qwen3模型上实现了高达34.7%的提升，同时在扩展对话场景下保持了鲁棒性。