Chinese content研究：多轮强化学习在 LLM 智能体中真正提升的是什么
论文把 agentic RL 的收益拆开看了一遍：单步决策没变强，强的是出错后能恢复。还给了个 BudgetMix RL 训练法，做智能体的值得看看数据。
#Pass@(K,T)
1 stories · 1 in 7 days · 1 in 30 days
Stories, products and papers tagged "Pass@(K,T)", newest first.
Nov 5
论文把 agentic RL 的收益拆开看了一遍：单步决策没变强，强的是出错后能恢复。还给了个 BudgetMix RL 训练法，做智能体的值得看看数据。