跳到正文
arXiv · AI· Yu Li, Guangfeng Cai, Long-Fei Li, Shuo Han, Shengtian Yang, Han Luo, Kaibing Yang, Lei Feng·· 2026-10-05AI 评分35

基于依赖感知策略优化的终端智能体强化学习方法

Credit Where It Matters: Dependency-Aware Policy Optimization for Terminal Agents

AI 导读

针对终端智能体在代码调试等多步任务中训练信号分配不准的问题,提出依赖感知群组策略优化(DepGPO)。该方法通过构建命令依赖图,将信用分配给相关写入及其支持读取操作,并在实验中提升了复杂终端任务的性能与训练稳定性。

来源:arXiv · AI · arxiv.org