多轮强化学习提升LLM智能体能力研究

论文作者通过 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。 论文称，多轮智能体强化学习在长程任务上表现突出，但其性能提升对交互约束高度敏感。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。