arXiv · ML· Zhixia Zhang, Zixuan Huang, Gongxun Li, Huaiyang Wang, Chengyi Yuan, Xin Xia, Deqing Wang, Fuzhen Zhuang, Shuai Ma, Ning Ding, Yaodong Yang, Jianxin Li, Yikun Ban·· 5 小时前AI 评分25
异构智能体协作强化学习 (HACRL) 提出双向互学机制
Heterogeneous Agent Collaborative Reinforcement Learning
AI 导读
论文提出异构智能体协作强化学习 (HACRL) 及算法 HACPO，实现异构智能体间的验证轨迹共享与双向互学，无需协调部署。 HACPO 引入四种机制以缓解能力差异，在推理基准测试中平均性能超越使用双倍 rollout 的 GSPO 3.6%，且 rollout 成本仅为后者的一半。
来源：arXiv · ML · arxiv.org