arXiv · 机器人与计算机视觉· On Tai Tang, Huanyao Zhang, Jiepeng Zhou, Wentao Zhang·· 2026-10-06AI 评分72
Long-MDR:面向长上下文的强化学习与多模态深度研究智能体
Long-MDR: Long-Context Reinforcement Learning for Multimodal Deep-Research Agents
AI 导读
On Tai Tang 等人提出了 Long-MDR,这是一种专为长上下文(128k)和多模态交互(75+ 轮工具调用)设计的在线强化学习训练配方。针对早期策略弱导致资源浪费、后期熵坍塌导致学习过早结束的问题,该方法结合了同策略蒸馏预热、渐进式视界扩展和熵触发救援三种技术。
来源:arXiv · 机器人与计算机视觉 · arxiv.org