arXiv · cs.CL· Shijun Wan·· 19 天前AI 评分46
AdaptEvo：演化监督下的自适应智能体学习框架
AdaptEvo: Adaptive Agent Learning with Evolving Supervision
来源与原文
arXiv · cs.CL
作者：Shijun Wan
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/2610.11354v1
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
论文提出 AdaptEvo，一个在监督不完美条件下学习的框架，结合基于置信度的 CA-GRPO 策略优化与不断演化的决策知识和评估 rubric。使用 Qwen3.6-35B-A3B，在工业多模态内容审核数据集 In-Period 测试上达到 61.9% 精确标签准确率和 72.2% 二元决策准确率，分别超过 GRPO 7.5 和 3.7 个百分点。在规则变化的 Out-of-Period 测试上，CA-GRPO 训练的策略对基座模型保持准确率优势，而 GRPO 随训练持续下降。
来源：arXiv · cs.CL · arxiv.org