arXiv · cs.AI · Xuanren Chen, Chongyang Tao, Wenpeng Hu, Yong Wang, Bo Deng, Xinlei Zheng, Shuai Ma · 11 小时前模型评分37
BLPO：面向长程 大语言模型（LLM，Large Language Model） 智能体的跨任务策略优化
BLPO: Beyond-Local Policy Optimization for Long-Horizon LLM Agents
导读
研究者提出跨任务策略优化（BLPO，Beyond-Local Policy Optimization），从跨任务共享经验中估计任务进度优势，无需学习评论家模型或额外采样。在 ALFWorld 和 WebShop 上，1.5B 与 7B 策略在相同训练预算下任务成功率超过所评估基线，学习更快、轨迹更短且计算开销很小。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “We propose Beyond-Local Policy Optimization (BLPO), which estimates task-progress advantages from experience shared across tasks and training updates.”
- “Code available at this https URL”
来源：arXiv · cs.AI · arxiv.org