arXiv · Machine Learning· Huancheng Chen, Xiaodi Sun, Zhaoqiong Huang, Michelle Chang, Jingwen Lu·· 8 小时前AI 评分44
TalentRL：基于策略引导的强化学习实现层级技能路由
TalentRL: Strategy-Guided Reinforcement Learning for Hierarchical Skill Routing
AI 导读
TalentRL 提出一种策略引导的强化学习框架，通过高层策略（talent）协调低层技能（skill）的检索与执行，实现程序记忆的层级路由。在七个开放领域和多跳问答基准上，强化学习使模型成功率较监督微调检查点进一步提升 7.58% 至 9.32%。在 ALFWorld 和 WebShop 上分别取得 99.3% 的成功率和 90.7 的最高分。
来源：arXiv · Machine Learning · arxiv.org