arXiv Artificial Intelligence· Mohammed Haroon Dupty, Yong Liang Goh, Song Guo, Wee Sun Lee·2026-10-20 12:00· 2 小时前AI 评分34

面向 LLM 智能体多轮强化学习的高效状态空间探索

Productive State-Space Exploration for Multi-turn RL in LLM Agents

AI 导读

针对 LLM 智能体在多轮长程环境中反复执行无效动作、陷入动作循环的问题，研究提出条件状态空间探索框架，通过内在奖励惩罚观测与先前状态记忆重复的动作，减少冗余行为并鼓励状态空间覆盖。实验显示该方法显著改善多轮环境下的策略学习，缓解无效动作与重复循环。