TextualRL 论文提出文本强化学习优化 LLM 智能体上下文管理

Tianyu Huai 等（华东师范大学/复旦大学等作者团队）发布 TextualRL 论文，提出一种无需梯度的文本强化学习框架，用于优化 LLM 智能体的上下文管理。作者称，该框架把同一任务在同一上下文下的一组执行轨迹（而非单条轨迹）作为策略批评单元，通过组内成功与失败轨迹的对照，结合跨任务证据生成和审查有界的上下文更新，再依据留出验证奖励决定是否采用。 作者在五个目标智能体、六个基准上评估该方法，报告其相对基础模型使 GPT-5.5 和 Qwen3.8-27B 的测试准确率平均分别提高 24.4 和 15.3 个百分点。这些数字为论文作者报告的结果；当前材料仅提供论文摘要，未说明完整实验细节。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。