跳到正文
arXiv · ML· Ge Qu, Jinyang Li, Xiaohan Xu, Xiaolong Li, Bowen Qin, Nan Huo, Ziwei Tang, Chenhao Ma, Reynold Cheng·· 29 天前AI 评分31

BIRD-RL 通过状态感知基础设施将 Agentic RL 扩展到数据密集型任务

BIRD-RL: Scaling Agentic Reinforcement Learning over Stateful Data-Centric Environments

AI 导读

提出名为 BIRD-RL 的四阶段 Agentic 强化学习框架,专门解决 SQL 调试等数据密集型任务中的状态隔离难题。该框架利用 Trajectory-scoped Persistent Execution Infrastructure,实现 12.8 倍空间效率提升,无需 Kubernetes 即可进行可扩展训练。

来源:arXiv · ML · arxiv.org