TQG-Exp

新的LLM学习框架使用轨迹质量来提高代理性能

研究人员推出了一种新颖的LLM代理基于经验的学习框架TQG-Exp。该方法通过引入轨迹质量损失（TQL）信号，超越了传统的结果反馈，加入了过程反馈。TQL评估任务完成度和执行过程的质量，通过配对的rollouts来指导经验优化。在ALFWorld、WebShop和ScienceWorld上的实验表明，TQG-Exp显著提高了性能，在DeepSeek-V4-Flash和Qwen3.5-Flash模型上优于现有方法。