TalentRL提出策略引导的分层技能路由强化学习框架

Huancheng Chen、Xiaodi Sun、Zhaoqiong Huang、Michelle Chang 和 Jingwen Lu 提出 TalentRL，一种通过高层策略（talent）协调低层技能（skill）的检索与执行、实现程序记忆分层路由的强化学习框架。该框架旨在让模型根据任务策略选择和调用相应技能。 在七个开放领域和多跳问答基准上，TalentRL 的强化学习阶段使监督微调检查点的平均成功率进一步提升 7.58% 至 9.32%，在 Qwen2.5-7B、Qwen3-8B 和 Llama-3.1-8B 三种模型骨干上均优于其他对比方法。在智能体任务基准 ALFWorld 和 WebShop 上，框架分别取得 99.3% 的最高成功率和 90.7 的最高得分。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。