PEARL多轮智能体强化学习方法

2026年10月14日，arXiv Artificial Intelligence 刊出 Jie Yang 等作者的研究，提出 PEARL（Process-Experience Aware Reinforcement Learning，过程经验感知强化学习）方法。据该报道，PEARL 面向多轮智能体，是一种无需额外 critic 的强化学习方法：它通过定位同一历史下两条不同结果轨迹的首次分歧，构建各分支局部决策的特征表示，并在近期失败与成功记忆中聚类，以识别反复出现的局部模式，从而改进局部信用分配。报道称该方法在无需额外 critic 的条件下提升局部信用分配效果。目前该事件仅有这一篇报道，尚无后续跟进或相互矛盾的说法。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。