arXiv Artificial Intelligence· Haotian Zhao, Songlin Zhou, Yuxin Zhang, Stephen S. -T. Yau, Wenyu Zhang, Lun Tian, Tianshu Zhu, Yifeng Huang, Yucheng Zeng, Jingnan Gu, Daxiang Dong, Jianmin Wu·· 17 小时前AI 评分31
AEM：面向多轮智能体强化学习的自适应熵调制方法
AEM: Adaptive Entropy Modulation for Multi-Turn Agentic Reinforcement Learning
AI 导读
AEM 是一种无需额外监督的信用分配方法，通过在强化学习训练中自适应调制熵动态来改善探索与利用的平衡。该方法将熵动态从 token 级提升到响应级，并据此重缩放优势值。在 ALFWorld、WebShop 和 SWE-bench-Verified 上，1.5B 至 32B 模型均取得稳定提升，集成到某软件工程 RL 训练框架时增益为 +1.4%。
来源：arXiv Artificial Intelligence · arxiv.org