标签
本文介绍了新颖性和惊奇性优先经验回放（NSPER），通过结合新颖性和惊奇性来优先化经验与探索，以提升图像强化学习中的样本效率。
Search-G1提出了一种面向搜索增强语言代理的基于表示的内部奖励框架，利用干预校准的读出机制来平衡检索必要性与证据依赖，从而在无需昂贵标注的情况下提高搜索效率。