提出多会话智能体RL方法Mosaic

Yilong Xu 等发布 arXiv 论文《Mosaic: Multi-Session Agentic Reinforcement Learning》，提出多会话 Agentic 强化学习设定及 Mosaic 方法：通过无 critic 的分层优化，在轨迹层面纳入会话使用信号，并在会话层面按估计的边际贡献调整优势。 基于论文摘要的实验显示，在 BrowseComp 任务上使用 Qwen3.5-4B 时，Mosaic 在上下文压缩与子智能体分叉两种场景中均优于广播优势方法，同时平均使用更少会话。

AI 根据报道生成 · 3 小时前更新