‹ arXiv cs.AI

AttnSR:长视野代理强化学习的注意力步骤奖励

原文:AttnSR: Attention Step Reward for Long-Horizon Agentic RL

arXiv cs.AI 未缓存正文

长期 LLM 代理会做出多步骤决策,但仅注重结果奖励的强化学习几乎无法对各个步骤提供直接监督。我们引入了 AttnSR,这是一种阶梯级奖励增强方法,可以从训练重放期间提取的策略注意力中获得奖励分配,无需单独训练的奖励模型或额外的部署。 AttnSR 向后追溯

正在把原文抓到本机服务器…首次约 3~8 秒,抓好后本站永久缓存,下次秒开。

抓不到时可直接看原文(部分站点需要登录/反爬,服务器也无法抓取)。

打开原文 ↗

正文由本站服务器抓取保存(已自动过滤广告、推荐位与追踪图片),排版与原站可能不同;版权归原站所有。

相关报道同一事件 / 同分类