arXiv · cs.AI· Alexander Gill, Guram Gogia, Francisco Guzm\'an·· 5 小时前
LLM智能体轨迹结果预测表示学习：Precog-RM支持少样本预测与GRPO早停
Divergent Paths: Learning an Outcome-Predictive Representation of LLM Agent Trajectories
arXiv:2610.19614v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Alexander Gill, Guram Gogia, Francisco Guzm\'an
研究任务与主要进展
该论文提出Precog-RM，将LLM智能体轨迹表示为动作与环境观测的路径，用于在终止前预测轨迹是否成功。基于论文摘要，简单任务判别器在三个智能体基准和三个策略模型上的留出结果预测最高达到0.95 AUROC；Precog-RM可少样本泛化到未见任务和模型。作为GRPO早期停止控制器时，材料报告训练FLOPs最高减少47.3%，同时保持与基线GRPO相当的性能。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org