跳到正文
Hugging Face Daily Papers·· 7 天前AI 评分43

Experience-Handoff RL 实现智能体递归自我改进

Experience-Handoff Reinforcement Learning for Recursive Self-Improvement

AI 导读

该方法在固定 Agentic Context Engineering 架构下,通过梯度更新与经验移交协同优化动作生成、洞察反思及剧本策展行为。实验显示,\acerl{} 在各智能体基准测试中取得优于基线方法的保持性能,验证了同时利用标量奖励与环境信息进行递归自我改进的有效性。

来源:Hugging Face Daily Papers · arxiv.org