arXiv cs.CL· Minchan Kim, Sungho Bae, Youngjin Kim, Hyunwoo Park·· 5 小时前AI 评分22
从何处起步、如何推进：分析 GRPO 下长时程 LLM 智能体的课程学习
Where to Start, How to Move: Analyzing Curricula under GRPO for Long-Horizon LLM Agents
AI 导读
研究针对 GRPO 在长时程 LLM 智能体任务中全失败组无学习信号的问题，分析了 Guide Assisted GRPO 的初始位置、交接单元与移动规则。在 BFCL 上跨三种模型规模，固定轮级阈值下从接近完成处起步更有效，基于结果信息的工具调用选择优于 GRPO；引导式起步也提升了 AppWorld 两个评测划分的成功率。
来源：arXiv cs.CL · arxiv.org