arXiv · NLP· Bowei He, Yankai Chen, Xiaokun Zhang, Changjiang Han, Ye Yuan, Chong Li, Xue Liu·· 6 小时前AI 评分23
智能体强化学习中数据如何扩展：规律与合成策略
How Data Scales in Agentic Reinforcement Learning: Laws and Synthesis Strategies
AI 导读
该研究将智能体强化学习数据分解为任务、环境和轨迹三个基数轴，发现扩展指数顺序为环境大于任务大于轨迹。 通过拟合逐轴扩展关系并构建计算最优配方，实证结果显示该方法相比单纯扩展轨迹的主流做法，可带来高达 1.7 倍的计算效率提升。
来源：arXiv · NLP · arxiv.org