arXiv · cs.AI· Tianyu Liu, Davide Belli, Bence Major, Arash Behboodi, Tribhuvanesh Orekondy·· 5 小时前
Explorer-Zero：用可分解可验证奖励改进长时程任务自博弈
Explorer-Zero: Improving Self-Play for Long-Horizon Tasks with Decomposable Verifiable Rewards
arXiv:2610.19868v1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：Tianyu Liu, Davide Belli, Bence Major, Arash Behboodi, Tribhuvanesh Orekondy
研究任务与主要进展
Explorer-Zero 是一种用于长时程交互任务的自博弈框架：任务提议器探索环境、生成任务并记录中间与最终状态作为验证目标，细粒度检查点奖励可为部分完成提供反馈。
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