新强化学习方法FOCUS提升长程Agent性能
热点事件观察中
新强化学习方法FOCUS提升长程Agent性能
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
2026年10月27日，arXiv上发布了新强化学习方法FOCUS。该方法通过选择性分支优化评论家网络的价值估计器，专门解决长时程语言模型智能体的信用分配难题。 在Qwen3.5-9B规模下，FOCUS表现优于基线方法GRPO和VinePPO。具体数据显示，其在BrowseComp-Plus基准上提升7.2分，在DeonticBench上提升4.1分。 实验证明，该方法在法律推理、深度搜索和代码定位任务中，显著提升了长时程智能体的性能。
AI 根据报道生成 · 56 分钟前更新
最新进展10月27日 12:00
FOCUS：用于长时程语言模型智能体的主动评论家学习方法报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv · MLFOCUS：用于长时程语言模型智能体的主动评论家学习方法
FOCUS 是一种新的强化学习方法，通过选择性分支优化评论家网络的价值估计器，解决长时程智能体信用分配难题。 该方法在 Qwen3.5-9B 规模下表现优于 GRPO 和 VinePPO，在 BrowseComp-Plus 基准上提升 7.2 分，DeonticBench 上提升 4.1 分。 实验证明其在法律推理、深度搜索和代码定位任务中显著提升了长时程智能体的性能。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。