VH-GPO：验证式师生交接改进LLM Agent强化学习
热点事件持续更新
VH-GPO：验证式师生交接改进LLM Agent强化学习
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Haoze Li 等在 arXiv 论文（cs.AI）中提出 VH-GPO，针对 GRPO 整组任务轨迹均失败、学习信号减弱的问题，通过冻结教师将学生引导回经结果验证、可成功完成任务的交接状态，让成功经验重新由学生生成；方法在有限搜索预算内选择最早的环境验证交接点。 基于论文摘要，在 Qwen2.5-1.5B 上，VH-GPO 将 ALFWorld 成功率由 GRPO 的 59.38% 提升至 94.79%，WebShop 由 71.62% 提升至 77.34%。
AI 根据报道生成 · 3 小时前更新
最新进展10月14日 12:00
VH-GPO：为大语言模型智能体强化学习引入验证式师生交接报道时间线
沿着报道，了解事件的不同侧面。
10月14日
- arXiv · cs.AIVH-GPO：为大语言模型智能体强化学习引入验证式师生交接
Haoze Li等提出VH-GPO，用于在GRPO整组任务轨迹均失败、学习信号减弱时，通过冻结教师支持学生恢复至可成功完成任务的交接状态。基于论文摘要，该方法在有限搜索预算内选择最早的环境验证交接点，让成功经验重新由学生生成；在Qwen2.5-1.5B上，ALFWorld和WebShop成功率分别由GRPO的59.38%和71.62%提升至94.79%和77.34%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。