研究：多轮强化学习在 LLM 智能体中真正提升的是什么
论文把 agentic RL 的收益拆开看了一遍：单步决策没变强，强的是出错后能恢复。还给了个 BudgetMix RL 训练法，做智能体的值得看看数据。
#Pass@(K,T)
共 1 条 · 7 天 1 条 · 30 天 1 条
信息流里打上「Pass@(K,T)」标签的资讯、产品与论文，按刊登时间排，新的在上。
11月5日
论文把 agentic RL 的收益拆开看了一遍：单步决策没变强，强的是出错后能恢复。还给了个 BudgetMix RL 训练法，做智能体的值得看看数据。