arXiv Artificial Intelligence· Yuqian Fu, Kaiwen Jiang, Zijun Song, Jiawei Wang, Yuanheng Zhu, Dongbin Zhao·· 19 小时前AI 评分29
TSRL：基于触发的监督强化学习实现智能体持续训练
TSRL: Trigger-based Supervised Reinforcement Learning for Continual Agent Training
AI 导读
研究者提出 Trigger-based Supervised Reinforcement Learning（TSRL），以 RL 为优化主干，仅在策略失败的"hard states"上选择性激活 SFT，从理论上给出累积参数更新上界以减少遗忘。
来源：arXiv Artificial Intelligence · arxiv.org