多轮强化学习状态空间探索框架提出

2026年10月20日，arXiv Artificial Intelligence 刊出 Mohammed Haroon Dupty 等作者的报道，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，提出条件状态空间探索框架。该框架受内在好奇心驱动探索启发，通过内在奖励惩罚与先前状态记忆重复的动作，在完成任务与内在信息寻求行为之间取得平衡，以减少冗余行为并鼓励状态空间覆盖。报道称，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。目前事件进展停留在该框架的提出与实验报告层面，报道未提及后续应用或独立复现情况。

AI 根据报道生成 · 40 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。