12:51
官方账号arXiv cs.LG@Yujiang Li, Zhenyu Hou, Yi Jing, Jie Tang, Yuxiao Dong
推荐理由：一篇论文提出用强化学习+上下文压缩训练长程智能体，在SWE-bench等基准上显著提升开源模型表现，适合关注Agent训练和RL方法的人。
GLM-4.7-Flash
共 1 条相关 AI 资讯
7月7日
12:51
CompactionRL是一种新的强化学习策略，用于训练长程agentic LLM，通过上下文压缩解决有限上下文窗口问题。该方法联合优化任务执行和摘要生成，采用token级损失归一化和跨轨迹广义优势估计，让LLM agent从压缩的长轨迹中学习。基于GLM-4.5-Air模型（106B-A30B），CompactionRL在SWE-bench Verified上达到66.8%的Pass@1，提升7.0点；在Terminal-Bench 2.0上达到24.5%，提升3.1点。基于GLM-4.7-Flash（30B-A3B），Pass@1分别提升5.5和6.8点。该技术已被部署于训练GLM-5.2模型（750B-A40B）的RL流水线。