arXiv · cs.AI· Chenxu Zhang·· 18 天前AI 评分46
MCGPO：面向 LLM 智能体训练的匹配上下文组策略优化方法
Matched-Context Group Policy Optimization for LLM Agent Training
来源与原文
arXiv · cs.AI
作者：Chenxu Zhang
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/2610.13755v1
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 Matched-Context Group Policy Optimization（MCGPO），一种从已有轨迹中构建加权动作偏好的方法，用于训练长程 LLM 智能体，保持无 critic 训练并复用 rollout 数据。在 ALFWorld 和 WebShop 上使用 Qwen2.5-1.5B 和 7B 时，相比匹配的 GraphGPO 平均成功率提升 0.47-1.46 个百分点；Qwen3-4B 和 8B 在 WebShop 上分别提升 3.96 和 5.16 个百分点。
来源：arXiv · cs.AI · arxiv.org