arXiv cs.AI· Jie Yang, Mianqiu Huang, Yiwei Zhao, Bo Wang, Yang Liu, Yuxin Wang·· 19 天前AI 评分40
PEARL：面向多轮 AI 智能体的过程经验感知强化学习
PEARL: Process-Experience Aware Reinforcement Learning for Multi-Turn Agents
AI 导读
研究人员提出 PEARL 强化学习方法，在无需额外 Critic 的情况下改善多轮 AI 智能体的局部信用分配。该方法通过定位分叉决策并聚类历史失败与成功记忆中的循环模式，选择性强化低奖励决策的负优势。实验显示，PEARL 在 AppWorld 的 4B 和 8B 规模上均超越 ARPO，并在 ALFWorld 4B 规模达到 97.9% 的平均成功率，高于最强基线 2.7 个百分点。
来源：arXiv cs.AI · arxiv.org