arXiv · NLP· Sihan Yang, Weichen Bai, Ruichuan An, Yiming Cheng, Zhiyuan Feng, Tianyi Jiang, Renye Yan, Ning Ding, Yifan Zhang, Renrui Zhang, Yehui Tang, Wentao Zhang·· 5 小时前AI 评分34
EnvSched：面向 Agent 强化学习的高效环境感知调度方法
EnvSched: Environment-Aware Scheduling for Rollout-Efficient Agent Reinforcement Learning
AI 导读
提出在线调度器 EnvSched，通过利用与覆盖策略分配批次，提升 Agent 强化学习效率。 构建双关系图预测任务奖励方差，在 Qwen3-8B 上 40 步训练即超越随机调度 120 步效果。
来源：arXiv · NLP · arxiv.org