agentic-reinforcement-learning

论文提出了 Multi-Session Agentic 强化学习设定，并提出 Mosaic 方法，通过层次化优势估计优化会话级贡献与分配，在 BrowseComp 上以更少的会话数优于广播式优势方法。

本文介绍了InternReviewer和InternAdvocate，这是一个利用智能体强化学习与客观奖励，在学术同行评审与回应中开发AI智能体的框架，旨在提升推理深度、引用准确性并减少幻觉。

IBM发布了Granite 4.2，这是一系列开放权重大语言模型，提供高达300亿参数的版本，配备128,000个token的上下文窗口，并采用代理强化学习以增强能力。

Agent Lightning v1.0 是一个轻量级框架，为代理环境启用可重现的强化学习，显著提升编码代理在如SWE-bench Verified等基准测试上的性能。