跳到正文
热点事件持续更新

研究：GRPO长程Agent训练课程设计

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

一项发表于 arXiv 的研究分析了 Guide Assisted GRPO 在长时程 LLM 智能体任务中的课程设计，针对 GRPO 在任务全失败组中无学习信号的问题，考察了引导的起始位置、交接单元与移动规则。 研究在 BFCL 上跨三种模型规模测试发现，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。作者为 Minchan Kim 等。

AI 根据报道生成 · 3 小时前更新

最新进展10月15日 12:00
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

报道时间线

沿着报道，了解事件的不同侧面。

10月15日
  1. arXiv cs.CL
    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

    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。

本事件热度走势

可比范围当前
9
可比范围峰值
1010月15日 13:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。