DERL：双演化强化学习自动设计奖励

Sitao Cheng、Tianle Li、Xuhan Huang、Xunjian Yin、Difan Zou 等发布论文（arXiv 2512.13399v3），提出双演化强化学习框架 DERL，用于自动发现奖励结构：外层提议器组合任务原语构建奖励，并依据内层策略的验证表现持续更新奖励提议分布。 作者在具身（ALFWorld）、科学（ScienceWorld）和数学推理（GSM8K、MATH）基准上验证 DERL，称其在多轮 agent 基准上优于强基线，在分布外任务上优势显著。以上为论文声称的结果，基于摘要。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。