09:34
官方账号arXiv cs.AI@Kai Ruan, Jinghao Lin, Zihe Huang, Ziqi Zhou, Qianshan Wei, Xuan Wang, Hao Sun
推荐理由：这篇论文发现Muon优化器让智能体RL成功率从29%飙到55%，比AdamW快60步，还分析了学习率的影响。
Qwen2.5-0.5B-Instruct
共 1 条相关 AI 资讯
7月20日
09:34
Muon优化器在稀疏奖励智能体强化学习中展现优势。使用Qwen2.5-0.5B-Instruct和ALFWorld环境，在Group-in-Group Policy Optimization (GiGPO)下，仅将Muon应用于隐藏权重矩阵，最终窗口验证成功率从0.290提升至0.546（+88%），而高学习率AdamW无后更新成功。在3e-5学习率下，Muon将GRPO成功率从0.161提升至0.268；在1e-5下，GraphGPO Muon达到0.901，归一化验证AUC从0.399增至0.556，并提前30和60轮达到0.5和0.75成功率。该结果表明Muon可提升智能体强化学习性能，但效果依赖优势估计器和学习率。