subtask-decomposition

#subtask-decomposition

分解子任务强化学习 (RLDS)

arXiv cs.AI ↗ · 2026-09-24 缓存

本文介绍了基于分解子任务的强化学习（RLDS），该方法将轨迹奖励分解为每个子任务的优势，以改进语言模型智能体强化学习中的信用分配，并在高异质性智能体基准测试上显示出显著提升。

0 人收藏 0 人点赞