arXiv · ML· Ruida Wang, Gerald Friedland, Tong Zhang, Chris Kong·· 8 小时前AI 评分46
Lean4AgenticRL 提出可验证的多层级过程奖励框架以增强 LLM 的智能体 RL 能力
Lean4AgenticRL: Advancing Agentic RL with Verifiable Multi-level Process Rewards
AI 导读
论文提出 Lean4AgenticRL，这是首个基于 Lean4 统一形式化模式、支持开放式智能体 RL 的多层级过程奖励框架。 该框架利用工作流形式化和多级奖励标注方法，结合工作流阶段归一化的 GRPO 算法进行训练；在 TerminalBench-2.1 上，LAR-27B 模型达到 77.3% 的成绩。
来源：arXiv · ML · arxiv.org