arXiv · AI· Haoran Liu, Yuwei Zhang, Xiyao Li, Bohan Lyu, Jingbo Shang·· 10 天前AI 评分31
HINT:基于压缩事后反思的多轮智能体自蒸馏方法
Multi-Turn Agent Self-Distillation with Compressed Hindsight
AI 导读
summary_zh: 针对多轮智能体强化学习中稀疏奖励导致的信用分配难题,研究者提出 HINT 方法,通过生成简短的轮次级事后反馈来指导策略模型,有效避免了直接模仿完整演示带来的负迁移问题。
来源:arXiv · AI · arxiv.org