跳到正文
arXiv · NLP· Dawei Zhang, Yubin Huangfu, Jessica Fan, Boyu Wei, Likang Wu, Hongke Zhao, Ming He, Zhu Teng·· 7 天前AI 评分21

结果质量对齐(OMA):控制多轮 LLM 智能体强化学习中长度依赖的轨迹影响

Outcome-Mass Alignment: Controlling Length-Dependent Trajectory Influence in Multi-Turn LLM Agent Reinforcement Learning

AI 导读

针对多轮 LLM 智能体强化学习中因轨迹展开导致的统计重复计算与目标质量失衡问题,论文提出了结果质量对齐(Outcome-Mass Alignment, OMA)方法。

来源:arXiv · NLP · arxiv.org