跳到正文
arXiv · AI· Xi Chen, Ruixue Ding, Zhigaoyuan Wang, Fanrui Zhang, Qiang Zhang, Boli Chen, Shihang Wang, Tianfu Wang, Ailin Ren, Pengyong Wang, Pengjun Xie, Hui Xiong·· 2026-10-12AI 评分44

Rollout-Time Intervention:突破策略限制的智能体强化学习方法

Rollout-Time Intervention: Unlocking Agentic Reinforcement Learning Beyond Policy Limits

AI 导读

研究提出 Rollout-Time Intervention (RTI) 技术,利用奖励侧证据将错误轨迹转化为成功轨迹,解决智能体强化学习中因任务超出模型能力边界导致的训练崩溃问题。 RTI 通过过滤分布偏移过大的离策略轨迹来指导策略优化,在五个基准测试中一致优于强化学习基线,使后训练策略超越原有能力边界。 代码已开源。

来源:arXiv · AI · arxiv.org