Hugging Face Daily Papers·· 5 天前精选AI 评分58
Lean4AgenticRL 提出基于 Lean4 形式化的多层级过程奖励智能体强化学习框架
Lean4AgenticRL: Advancing Agentic RL with Verifiable Multi-level Process Rewards
AI 导读
Lean4AgenticRL 将多层级过程奖励整合进 Lean4 形式化框架，用于提升软件工程与终端任务的智能体强化学习效果。该框架先构建问题专属工作流，再通过工作流形式化与多层级奖励标注在通用 harness 中验证智能体行为，并配合按工作流阶段归一化的 GRPO 算法训练出 LAR-9B/27B。
推荐理由
论文把多层级过程奖励纳入 Lean4 形式化框架，并给出 LAR-27B 在 TerminalBench-2.1 上的具体成绩，可供关注智能体 RL 训练的人参考。
来源：Hugging Face Daily Papers · huggingface.co