PEARL多轮智能体强化学习方法发布

Jie Yang 等作者提交论文，提出面向多轮智能体的强化学习方法 PEARL，其核心是在不引入额外 critic 的前提下改进局部信用分配，方法通过定位同一历史下两条不同结果续写的首个分歧点，构建各分支局部决策的特征表示并在近期失败与成功记忆中聚类，识别反复出现的局部模式，从而只选择性增强低回报决策的负优势。 该工作目前以 arXiv 预印本形式发布，属于 cs.AI 全量分类，尚未见同行评审或独立复现结果，其宣称的效果有待进一步验证。

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。