arXiv · Artificial Intelligence· Chen Xi, Ding Ruixue, Wang Zhigaoyuan, Zhang Fanrui, Zhang Qiang, Chen Boli, Wang Shihang, Wang Tianfu, Ren Ailin, Wang Pengyong, Xie Pengjun, Xiong Hui·· 2 小时前AI 评分47
Rollout-Time Intervention：突破策略边界的智能体强化学习
Rollout-Time Intervention: Unlocking Agentic Reinforcement Learning Beyond Policy Limits
AI 导读
研究者提出 Rollout-Time Intervention（RTI），在 rollout 阶段利用奖励侧证据（评估 rubrics）把错误轨迹转化为成功轨迹，为超出当前策略探索能力的任务提供学习信号。该方法在过滤分布偏移过大的轨迹后仍可有效引导策略优化，在五个 benchmark 上持续优于 RL 基线，使后训练策略逼近更强的当代 LLM 并突破原有能力边界，代码已开源。
来源：arXiv · Artificial Intelligence · arxiv.org