跳到正文
热点事件持续更新

提出CovGPO缓解长时程Agent任务全失败组学习信号缺失

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

Kaibing Yang 等在arXiv论文（cs.AI，v2）中提出Coverage-conditioned Group Policy Optimization（CovGPO），针对长时程Agent任务中组策略优化（GPO）里全失败组缺乏学习信号的问题：当组内所有样本结果奖励均为零时，该方法为首访新观察覆盖的动作分配更高相对优势，从而提供学习信号。 据论文摘要，在ALFWorld和WebShop两个基准上，CovGPO持续优于组策略基线，困难任务上增益更大。以上结果基于论文摘要，尚无独立验证。

AI 根据报道生成 · 3 小时前更新

最新进展10月12日 12:00
CovGPO通过首访覆盖缓解长时程Agent任务的全失败组信用陷阱

报道时间线

沿着报道，了解事件的不同侧面。

10月12日
  1. arXiv · cs.AI
    CovGPO通过首访覆盖缓解长时程Agent任务的全失败组信用陷阱

    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。

本事件热度走势

可比范围当前
9
可比范围峰值
910月12日 14:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。