arXiv · AI· Siyuan Du, Yuxin Liu, Meng Tang, Haoran Li, Yechao Bai, Feiyang Pan, Jia He·· 13 小时前AI 评分36
深度先于广度:LLM 智能体的逆向-正向课程与优势分解方法
Depth Before Breadth: Reverse-to-Forward Curriculum with Advantage Decomposition for LLM Agent
AI 导读
提出一种基于策略诱导能力区域的逆向-正向课程与成对优势方法,解决 LLM 智能体在长时程任务中的信用分配问题。 该方法在 ALFWorld 和 WebShop 基准上,使用 Qwen2.5-1.5B/7B-Instruct 模型分别取得 90.1%/96.1% 和 80.2%/82.6% 的成功率。
来源:arXiv · AI · arxiv.org