Hugging Face Daily Papers·· 1 天前AI 评分42
多轮强化学习究竟提升了 LLM 智能体的什么能力
What Does Multi-Turn Reinforcement Learning Really Improve in LLM Agents?
AI 导读
论文通过 Pass@(K,T) 在不同采样广度 K 与交互深度 T 下评测多轮智能体强化学习，发现轨迹级 RL 的收益依赖充足的轮次预算，预算收紧时收益明显下降。
来源：Hugging Face Daily Papers · huggingface.co