主要来源arXiv cs.AI
查看原文事件专题 ·单一信源
ICL 加 GRPO 让 LLM Agent 测试时成功率升至 51.6%
论文系统比较了 LLM Agent 在测试时通过上下文(ICL)与权重更新(GRPO、SDPO)两条通道利用经验的差异。实验基于 Qwen3.5-9B,在来自 SWE-bench Verified、AppWorld、ScienceWorld、BIRD-Critic-SQLite 四个环境的 109 个任务上进行,共评估 14 种适应机制。 结果显示 ICL 是最大的独立增益来源:最佳策略把平均成功率从 28.8% 提升到 49.4%;在 ICL 基础上叠加 GRPO 后达到最高的 51.6% 平均成功率。轨迹分析表明 ICL 让 Agent 减少了环境查询、缩短了尝试步骤,说明它在复用任务间的共享结构,但也常跳过对当前任务的检查与验证。 叠加 GRPO 能修复这些被跳过的检查行为,同时保留 ICL 减少查询的优势,而 SDPO 的自蒸馏效果则好坏参半。论文由此主张将上下文管理与权重更新作为联合问题研究,对构建长期在代码仓库、数据库等环境中反复工作的 Agent 有直接参考价值。
当前结论
如果你在做多轮 Agent 或经验复用类项目,这篇论文给出的 51.6% 数字很扎实。它把 ICL 和 GRPO 放在同一套协议里对比,结论清楚:上下文管大头,强化学习修细节。做 SWE-bench 或 SQL Agent 的开发者尤其该看看。
2 个信源44° AI 热度最后更新 2026/11/15 01:07:23
证据链
2 个信源相关来源 1rohanpaul_ai
查看原文冲突核查
现有去重数据只说明这些来源讨论同一事件,不代表立场相同。当前没有结构化的支持或反驳证据,不自动推断冲突。