arXiv · cs.AI· Tao Ren·· 22 小时前AI 评分44
面向长程 LLM Agent 的多尺度策略优化方法 MPO
Multiscale Policy Optimization for Long-Horizon LLM Agents
来源与原文
arXiv · cs.AI
作者：Tao Ren
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.35013v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
一项 arXiv 研究提出多尺度策略优化方法 MPO，结合多尺度优势估计（MAE）与 turn 级重要性采样，将长程 LLM Agent 的信用分配与策略更新对齐到 assistant turn 尺度。在搜索、工具使用和自动化任务上，4B 与 30B-A3B 模型的实验显示其持续优于强 RL 基线。
来源：arXiv · cs.AI · arxiv.org