arXiv · cs.AI· Carissa Cullen, Harry Garland, Alexander Roman, Louis Thomson, Christos Ziakas, Elliott Thornley·· 1 天前
DReST让强化学习智能体和LLM在保持有效性的同时具备可关闭性
Towards Shutdownable Agents: Generalizing Stochastic Choice in RL Agents and LLMs
arXiv:2604.17502v5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：Carissa Cullen, Harry Garland, Alexander Roman, Louis Thomson, Christos Ziakas, Elliott Thornley
研究任务与主要进展
研究者提出Discounted Reward for Same-Length Trajectories（DReST）奖励函数，用于训练深度强化学习智能体并微调Qwen3-14B、Gemma 4 12B、Granite 4.2 8B和gpt-oss-20b，使它们对轨迹长度保持中立且仍能有效追求目标。
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