arXiv · cs.AI· Chenxu Zhang, Yaorui Shi, Wenlong Zhang, Jianchao Tan, Zihan Wang, Yiming Cheng·· 3 小时前
Chenxu Zhang等提出MCGPO改进长时程LLM Agent训练
Matched-Context Group Policy Optimization for LLM Agent Training
arXiv:2610.13755v1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：Chenxu Zhang, Yaorui Shi, Wenlong Zhang, Jianchao Tan, Zihan Wang, Yiming Cheng
研究任务与主要进展
Chenxu Zhang、Yaorui Shi等提出Matched-Context Group Policy Optimization（MCGPO），通过匹配动作前状态摘要与任务规则标注的评分进展，从已有rollout数据构造加权动作偏好，并保持无critic训练。
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