PEARL：无需额外critic的多轮Agent过程经验强化学习方法发布于arXiv

Jie Yang等人在arXiv发布PEARL（Process-Experience Aware Reinforcement Learning），一种面向多轮Agent的强化学习方法。据论文摘要，PEARL在不增加额外critic的情况下改善局部信用分配：通过比较同一历史的不同结果分支定位首次分歧点，并利用成功与失败记忆中的重复模式。 基准结果（基于论文摘要）：在AppWorld上，PEARL在4B和8B两种规模下于Normal与Challenge任务上均优于ARPO；在ALFWorld上，4B规模平均成功率达97.9%，比最强基线高2.7个百分点，8B规模保持有竞争力。

AI 根据报道生成 · 59 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。