研究：弱决策模型可作步骤评分器提升智能体
热点事件持续更新
研究：弱决策模型可作步骤评分器提升智能体
2 篇报道2 个报道来源11 小时前更新
先了解这件事
AI 综述
浙江大学 Haochen Liu 等作者的研究比较决策模型在长程智能体中的三种角色，并给出一个关键结果：决策模型 JEV 单独执行 ALFWorld 任务成功率仅 42.9%，但作为步骤评分器，可将 Qwen2.5-1.5B 策略的成功率从 72.8% 提升至 82.9%。 该方法让评分器在整轮结束后为每个动作打分，把分数加入 GRPO 训练，替代通常需要逐环境标签或每步 LLM judge 的做法。研究据此建议，按评判录制轨迹的能力而非自身执行能力来挑选步骤评分器。 研究还在 ALFWorld 上测试三个决策模型与三个通用大语言模型作为行动者和评判者的表现，并将 JEV 作为教师用于 ALFWorld 和 WebShop；这些角色下的具体对比结果尚未披露。
AI 根据报道生成 · 10 小时前更新
最新进展11月15日 02:59
浙大研究：弱模型 JEV 当步骤评分器，可将 Qwen2.5-1.5B 智能体成功率从 72.8% 提升至 82.9%报道时间线
沿着报道，了解事件的不同侧面。
11月15日
- RadarAI浙大研究：弱模型 JEV 当步骤评分器，可将 Qwen2.5-1.5B 智能体成功率从 72.8% 提升至 82.9%
浙江大学论文提出，决策模型 JEV 单独执行 ALFWorld 任务成功率仅 42.9%，但作为步骤评分器可将 Qwen2.5-1.5B 策略的成功率从 72.8% 提升至 82.9%。该方法让评分器在整轮结束后为每个动作打分，并将分数加入 GRPO 训练，替代通常需要逐环境标签或每步 LLM judge 的做法。研究建议按评判录制轨迹的能力而非自身执行能力来挑选步骤评分器。
11月14日
- arXiv cs.AIActor、Judge 还是 Teacher？理解长程智能体中的决策模型
研究比较三个决策模型与三个通用 LLM 在 ALFWorld 上作为 actor 和 judge 的表现，并将 JEV 作为 teacher 用于 ALFWorld 和 WebShop。
本事件热度走势
- 可比范围当前
- 13
- 可比范围峰值
- 1611月15日 04:00
- 近 24 小时变化
- –
05101520
04:0006:0008:0010:0012:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。