PulseAugur
实时 14:47:18
实体 Process Reward Informed Tree Rollout for Effective Multi-Turn RL

Process Reward Informed Tree Rollout for Effective Multi-Turn RL

PulseAugur coverage of Process Reward Informed Tree Rollout for Effective Multi-Turn RL — every cluster mentioning Process Reward Informed Tree Rollout for Effective Multi-Turn RL across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
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 1 条
  1. TOOL · CL_151869 ·

    新框架通过树回滚提升LLM代理训练效率

    研究人员开发了一个名为进程评分器引导自适应树回滚(PATR)的新框架,以提高多轮LLM代理强化学习的效率。该方法通过将轨迹组织成树状并从有希望的状态选择性地分支,解决了长周期任务中浪费探索的问题。PATR利用特定任务的反馈来评分部分轨迹、重用共享前缀并修剪无望的路径,从而在给定的训练预算内实现更有效的探索。在FrozenLake和SWE-Bench基准上的评估表明,PATR在FrozenLake上将结果提高了多达+9.3个点,在SWE…