AI情报2026年8月19日AI情报
文章
PlanPO：面向多轮智能体大语言模型的群体规划感知策略优化
公告类型：新摘要：群体相对策略优化已成为在多轮交互任务中训练智能体大语言模型（LLM）的关键范式。然而，现有的大多数变体即使在成功轨迹的交互效率存在显著差异时，也无法区分这些成功轨迹之间的优势。例如，迂回曲折的成功往往……
Frontier 编辑部来源: arXiv
公告类型：新摘要：群体相对策略优化已成为在多轮交互任务中训练智能体大语言模型（LLM）的关键范式。然而，现有的大多数变体即使在成功轨迹的交互效率存在显著差异时，也无法区分这些成功轨迹之间的优势。例如，迂回曲折的成功往往……