arXiv cs.AI· Chenxu Zhang, Yaorui Shi, Wenlong Zhang, Jianchao Tan, Zihan Wang, Yiming Cheng·· 5 小时前AI 评分18
MCGPO：面向 LLM 智能体训练的匹配上下文组策略优化
Matched-Context Group Policy Optimization for LLM Agent Training
AI 导读
研究者提出 Matched-Context Group Policy Optimization（MCGPO），从已采集轨迹中构建加权动作偏好，用于 LLM 智能体训练。
来源：arXiv cs.AI · arxiv.org