arXiv cs.LG· Huancheng Chen, Xiaodi Sun, Zhaoqiong Huang, Michelle Chang, Jingwen Lu·2026-11-02 13:00· 16 小时前AI 评分35

TalentRL：用于分层技能路由的策略引导强化学习框架

TalentRL: Strategy-Guided Reinforcement Learning for Hierarchical Skill Routing

AI 导读

TalentRL 提出了面向程序性记忆的分层技能路由强化学习框架，通过粗粒度策略引导细粒度技能检索与执行。在 7 个问答基准上，该方法使 Qwen2.5-7B、Qwen3-8B 和 Llama-3.1-8B 的强化学习表现较 SFT 提升 7.58% 至 9.32%，均获最高平均成功率。

来源：arXiv cs.LG · arxiv.org