arXiv Artificial Intelligence· Tianyu Huai, Jie Zhou, Bo Mao, Qin Chen, Liang He, Xipeng Qiu·2026-10-15 12:00· 18 小时前AI 评分37

TextualRL：面向上下文管理的文本强化学习框架

TextualRL: Textual Reinforcement Learning for Context Management

AI 导读

TextualRL 是一个无梯度的强化学习框架，以同一任务同一上下文下的一组 rollout 而非单条轨迹作为策略评判单元，通过 Groupwise Policy Critique 与 Cross-Group Policy Update 生成有界文本补丁，并由留出验证奖励决定是否采纳。