arXiv cs.AI· Kaibing Yang, Guangfeng Cai, Shengtian Yang, Shuo He, Yu Li, Mengyi Liu, Pengwei Chen, Jun Xu, Lei Feng·· 6 小时前AI 评分22
CovGPO：用首次访问覆盖率从全失败组中学习长程智能体任务
Learning from All-Failed Groups via First-Visit Coverage in Long-Horizon Agentic Tasks
AI 导读
针对长程智能体任务中组策略优化因采样失衡产生大量全失败组、无法提供学习信号的问题，研究者提出 Coverage-conditioned Group Policy Optimization（CovGPO），仅在组内所有样本结果奖励为零时，利用首次访问观测覆盖率给状态探索动作分配更高相对优势。
来源：arXiv cs.AI · arxiv.org