跳到正文
arXiv · AI· Haotian Zhao, Songlin Zhou, Yuxin Zhang, Stephen S. -T. Yau, Wenyu Zhang, Lun Tian, Tianshu Zhu, Yifeng Huang, Yucheng Zeng, Jingnan Gu, Daxiang Dong, Jianmin Wu·· 21 天前AI 评分37

AEM:面向多轮 Agentic 强化学习的自适应熵调制方法

AEM: Adaptive Entropy Modulation for Multi-Turn Agentic Reinforcement Learning

AI 导读

AEM 提出无监督信用分配方法,通过自适应调节熵动态平衡探索与利用,将熵动态分析从 token 级提升至 response 级。 在 ALFWorld、WebShop 和 SWE-bench-Verified 上,使用 1.5B 至 32B 模型实验显示 AEM 一致提升 RL 基线,在 SOTA 软件工程 RL 框架中带来 +1.4% 增益。

来源:arXiv · AI · arxiv.org