arXiv · cs.AI· William Hoy, Jingxuan Fan, Nurcin Celik, Xu Pan·· 1 天前
有界陈旧性异步进化策略用于长时程LLM Agent后训练
Asynchrony Is Nearly Free for Evolution Strategies on Long-Horizon LLM Agentic Tasks
arXiv:2610.04196v2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：William Hoy, Jingxuan Fan, Nurcin Celik, Xu Pan
研究任务与主要进展
William Hoy等在论文摘要中提出有界陈旧性的异步进化策略（ES），用于减少长时程LLM Agent后训练中同步更新造成的计算浪费。基于WebSocket实验和两项极端陈旧度压力测试，作者报告自然异步的表现接近同步ES，即使所有fitness测量均为陈旧值，评估精度下降仍较小；材料仅提供摘要，未说明完整实验细节。
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