arXiv · cs.AI· Kaibing Yang, Guangfeng Cai, Shengtian Yang, Shuo He, Yu Li, Mengyi Liu, Pengwei Chen, Jun Xu, Lei Feng·· 5 小时前
CovGPO通过首访覆盖缓解长时程Agent任务的全失败组信用陷阱
Learning from All-Failed Groups via First-Visit Coverage in Long-Horizon Agentic Tasks
arXiv:2607.22724v2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：Kaibing Yang, Guangfeng Cai, Shengtian Yang, Shuo He, Yu Li, Mengyi Liu, Pengwei Chen, Jun Xu, Lei Feng
研究任务与主要进展
作者提出Coverage-conditioned Group Policy Optimization（CovGPO），利用首访观察覆盖缓解长时程Agent任务中全失败组缺乏学习信号的问题。该方法仅在组内所有样本结果奖励均为零时，为促进新状态访问的动作分配更高相对优势；在ALFWorld和WebShop实验摘要中，CovGPO持续优于组策略优化基线，困难任务上的增益更大。
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