10:12
官方账号arXiv cs.AI@Yipeng Shi, Zhipeng Ma, Yue Wang, Qitai Tan, Yang Li, Peng Chen, Zhengzhou Zhu
推荐理由：PATS用动态训练支架帮弱策略少犯错，ALFWorld和WebShop上最高提升18.6%，而且部署时没负担。
PATS
共 1 条相关 AI 资讯
7月24日
10:12
PATS是一种针对长周期LLM智能体强化学习的策略中心训练范式。它将最近的rollout分组转换为证据卡，并通过任务特定评估调整后续rollout的上下文。在ALFWorld和WebShop上，PATS相比强基线提升最高达18.6%。在7个搜索增强QA基准上，PATS在保持竞争力的同时比基线减少32.1%的提示token。该方法在部署时丢弃训练支架，不增加推理开销。