arXiv · AI· Jie Yang, Mianqiu Huang, Yiwei Zhao, Bo Wang, Yang Liu, Yuxin Wang·· 2026-10-14AI 评分25
PEARL:面向多轮智能体的过程经验感知强化学习方法
PEARL: Process-Experience Aware Reinforcement Learning for Multi-Turn Agents
AI 导读
PEARL 提出一种无需额外 critic 模型的过程经验感知强化学习方法,通过定位轨迹分歧并聚类决策特征改进本地信用分配。 在 AppWorld 基准上,PEARL 在 4B 和 8B 规模下均优于 ARPO 方法。 在 ALFWorld 基准上,4B 规模模型平均成功率达 97.9%,比最强基线高出 2.7 个百分点。
来源:arXiv · AI · arxiv.org