Trinity-RFT

新框架通过强化学习训练 LLM 以实现长期生命周期代理

研究人员开发了一个名为“Connect the Dots”（CoD）的框架，用于训练大型语言模型（LLM）以实现长期生命周期代理。该框架使代理能够在长时间内持续学习和自我更新对环境的理解，从而提高未来任务的性能。CoD 方法采用端到端的强化学习，结合了任务解决和上下文更新的交错式训练。概念验证实现和定制化环境证明了该框架在促进跨域泛化和自我改进方面的有效性。