Hugging Face Daily Papers·· 24 天前AI 评分65
面向长视野大模型智能体的多尺度策略优化
Multiscale Policy Optimization for Long-Horizon LLM Agents
AI 导读
该预印本论文提出 Multiscale Policy Optimization (MPO) 方法,旨在解决长视野 LLM 智能体在逐 token 生成动作时面临的信用分配难题。
来源:Hugging Face Daily Papers · arxiv.org