研究者提出递归智能体优化RAO训练方法

研究者 Apurva Gandhi 等人提出递归智能体优化（RAO），一种用强化学习训练递归智能体的方法：这类智能体可递归生成自身新实例，并把子任务委派给这些实例。 据该研究介绍，RAO 教会智能体何时以及如何委派与通信，训练效率更高，能处理超出模型上下文窗口的任务，并可泛化到比训练任务更难的问题；相比单智能体系统，还可减少实际运行时间。该成果以 arXiv 论文形式发布在 cs.LG 分类下。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。