arXiv · ML· Zhengping Jiang, William Jurayj, Liaoyaqi Wang, Chunsheng Zuo, Anqi Liu, Benjamin Van Durme·· 1 天前AI 评分45
FOCUS：用于长时程语言模型智能体的主动评论家学习方法
FOCUS: Active Critic Learning for Long-Horizon Language Model Agents
AI 导读
FOCUS 是一种新的强化学习方法，通过选择性分支优化评论家网络的价值估计器，解决长时程智能体信用分配难题。 该方法在 Qwen3.5-9B 规模下表现优于 GRPO 和 VinePPO，在 BrowseComp-Plus 基准上提升 7.2 分，DeonticBench 上提升 4.1 分。 实验证明其在法律推理、深度搜索和代码定位任务中显著提升了长时程智能体的性能。
来源：arXiv · ML · arxiv.org