arXiv · Machine Learning· Yingbo Hao, Song Liu, Guanghua Yu, Zhaojing Zhou, Jianchen Zhu, Yi Zou·· 13 小时前AI 评分39
InterQ-RL：面向交互的量化智能体强化学习执行失配校正
InterQ-RL: Interaction-Aware Correction of Execution Mismatch in Quantized Agentic RL
AI 导读
InterQ-RL针对量化智能体强化学习中行为策略与学习器的执行失配，校正到达状态的策略历史。该方法在固定位移预算下按有效支持度分配动作片段的校正强度，无需额外模型前向计算。基于4B至30B稠密和MoE模型在ALFWorld、WebShop、ScienceWorld上的评测显示，W8A8-KV8量化结果与BF16相差不超过0.7 points，并在四种环境-骨干设置中的两种超过BF16。
来源：arXiv · Machine Learning · arxiv.org