arXiv cs.CL· Sitao Cheng, Tianle Li, Xuhan Huang, Xunjian Yin, Difan Zou·· 5 小时前AI 评分30
DERL：双演化强化学习实现自动化奖励设计
Dual-Evolving Reinforcement Learning for Automated Reward Design
AI 导读
研究提出双演化强化学习框架 DERL，通过外层提议器与内层策略的双重训练实现奖励结构自主发现，提议器依据内层策略的验证表现以策略梯度方式学习。DERL 在 ALFWorld、ScienceWorld、GSM8K、MATH 等具身、科学与数学推理任务上验证，在多轮智能体基准上超越强基线，在分布外任务上提升显著，数学任务中优于直接添加任务原语的结果奖励。代码与模型已开源。
来源：arXiv cs.CL · arxiv.org