arXiv · cs.AI· Dingyi Rong, Yue Shi, Chaofan Ma, Zongrui Wang, Jiezhang Cao, Yixin Cao, Liang He, Ning Liu·· 5 小时前
SERO：利用可执行Oracle延续进行长时程智能体强化学习
SERO: Learning from Executable Oracle Continuations for Long-Horizon Agentic Reinforcement Learning
arXiv:2610.19397v1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：Dingyi Rong, Yue Shi, Chaofan Ma, Zongrui Wang, Jiezhang Cao, Yixin Cao, Liang He, Ning Liu
研究任务与主要进展
基于论文摘要，作者提出SERO，将训练阶段的oracle延续纳入长时程智能体强化学习：恢复当前策略实际到达的状态后，由训练专用oracle继续与真实环境交互，并把后续观察和oracle动作用于学习。
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