跳到正文
Hugging Face Daily Papers·· 2026-10-14精选AI 评分78

SERO:基于可执行预言机续写的长视界智能体强化学习

SERO: Learning from Executable Oracle Continuations for Long-Horizon Agentic Reinforcement Learning

AI 导读

该论文针对长视界智能体强化学习中因策略探索失败导致无法有效分配信用的问题,提出 SERO 方法。该方法在恢复当前策略实际到达的状态后,利用仅用于训练的预言机与环境交互,获取下游观测与动作作为监督信号,并通过策略可达性加权优化损失函数。研究在 ALFWorld 和 WebShop 两个基准上验证了该方法的有效性,且推理阶段无需使用预言机。

推荐理由

提出 SERO 方法,利用可执行预言机续写解决长视界强化学习的监督难题。

来源:Hugging Face Daily Papers · arxiv.org