arXiv · ML· Mohammed Haroon Dupty, Yong Liang Goh, Song Guo, Wee Sun Lee·· 9 小时前AI 评分30
面向 LLM 智能体多轮强化学习的 productive 状态空间探索
Productive State-Space Exploration for Multi-turn RL in LLM Agents
AI 导读
针对 LLM 智能体多轮长程环境中动作低效、陷入重复循环的问题，提出条件状态空间探索框架。 引入内在奖励惩罚观察重复先验状态记忆的行为，无需通用信息论度量即可减少冗余并促进状态覆盖。 实验证明该方法显著改善多轮环境下的策略学习，缓解无效动作与重复循环。
来源：arXiv · ML · arxiv.org