论文09:44
SCPO: 语义一致性策略优化用于LLM智能体强化学习这篇论文解决了强化学习给LLM智能体分配奖励时的一个逻辑问题：相同意思的步骤因轨迹成败拿了相反信用。SCPO在ALFWorld和WebShop上跑分挺高，最难的步骤提升明显。
#SCPO
共 1 条 · 7 天 0 条 · 30 天 0 条
信息流里打上「SCPO」标签的资讯、产品与论文，按刊登时间排，新的在上。
6月25日
这篇论文解决了强化学习给LLM智能体分配奖励时的一个逻辑问题：相同意思的步骤因轨迹成败拿了相反信用。SCPO在ALFWorld和WebShop上跑分挺高，最难的步骤提升明显。