arXiv · AI· Ziyi Chen, Yan Zhang, Jianhui Wei, Jianing Yin, Daoan Zhang·· 7 小时前AI 评分25
RLiD：面向语言智能体与大语言模型的决策平面强化学习
RLiD: Reinforcement Learning in the Decision Plane for Language Agents and LLMs
AI 导读
研究人员提出 RLiD 框架，通过直接优化可执行动作选项概率消除自回归生成，显著提升强化学习训练效率。在 ALFWorld 基准中，该框架以 12.7 H100 GPU-hours 算力达到 99.3% 成功率，优于 token-level RL 的 17.3 GPU-hours 与 86.6% 表现。
来源：arXiv · AI · arxiv.org