Agent-R 论文精读：让语言 Agent 学会及时反思与纠错
解读 Agent-R 如何用 MCTS 构造修正轨迹，并通过迭代自训练让 LLM Agent 学会在交互任务中及时反思。
Latest
最新文章
AEPO 论文精读：Web Agent RL 里的熵不是越高越好
解读 AEPO 如何在 rollout 和 policy update 两阶段平衡高熵探索，缓解 Web Agent 强化学习中的分支坍缩和梯度裁剪问题。
ARPO 论文精读：为什么 Agent RL 要在工具调用后分叉探索
解读 ARPO 如何用工具调用后的高熵信号做自适应 rollout，并用 advantage attribution 训练多轮工具型 Agent。