Tree-Structured Credit Assignment

新方法提升LLM智能体在长时任务中的表现 · 跟踪2个来源

两篇新的研究论文介绍了一种在长时任务中提高大型语言模型（LLM）智能体性能的新颖方法。其中一篇论文详细介绍的ReflectPO使用强化学习框架，通过分析交互轨迹以获取线索并采用树状结构分配信用，从而实现自主纠错。第二篇论文提出了效应边际策略优化（EMPO），它通过耦合产生相同效应的不同文本响应之间的更新，使策略优化与执行级别等效对齐。这两种方法在基准测试中均表现出优于现有基线方法的性能，提高了智能体高效学习和完成复杂任务的能力。