TextualRL：文本强化学习用于上下文管理

2026年10月15日，arXiv 人工智能板块出现论文《TextualRL：面向上下文管理的文本强化学习框架》，作者为 Tianyu Huai 等。论文提出 TextualRL，一个无梯度的强化学习框架：它把同一任务、同一上下文下的一组 rollout（而非单条孤立轨迹）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。该报道为目前唯一来源，未提及适用对象、收费或额度、地域及使用限制等条件。事件仍在持续发展，暂无后续跟进报道。

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。