arXiv · NLP· Boyi Liu, Yite Wang, Xinyu Lian, Fan Shu, Sida Li, Feng Yan, Mingjia Zhang, Yuxiong He, Zhewei Yao·· 6 小时前AI 评分35
Arctic-SWE：通过模型-系统协同设计重构长程智能体强化学习基线
Arctic-SWE: Revisiting the Long Horizon Agent Training by Modeling-System Co-Design
AI 导读
Arctic-SWE 作为全异步强化学习框架，通过模型-系统协同设计建立了难以复现的长程智能体训练基线，解决了早期奖励掩盖失败的问题。 框架整合了门控奖励、重要性权重控制、对齐的推理引擎及一致状态等组件。
来源：arXiv · NLP · arxiv.org