SAPO：单次采样的智能体强化学习框架
热点事件持续更新
SAPO：单次采样的智能体强化学习框架
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
Dayang Liang 等作者提出 SAPO（单次 rollout 自回归策略优化）框架，将策略优化与价值学习统一在单个因果语言模型内，按因果边界依次生成动作和价值估计并共享参数。 在 ALFWorld 和 WebShop 上使用 Qwen2.5-1.5B/7B 与 Qwen3-14B 测试，相比强 PPO 基线，峰值 GPU 显存降低 24.8%、每轮运行时间减少 23.1%，任务成功率持平或略有提升。
AI 根据报道生成 · 2 小时前更新
最新进展10月27日 12:00
SAPO：面向智能体强化学习的单次 rollout 自回归策略优化框架报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.AISAPO：面向智能体强化学习的单次 rollout 自回归策略优化框架
SAPO 是一种 PPO 风格的高效智能体强化学习框架，在单个因果语言模型内统一策略优化与价值学习，按因果边界依次生成动作和价值估计并共享参数。在 ALFWorld 和 WebShop 上使用 Qwen2.5-1.5B/7B 与 Qwen3-14B 测试，相比强 PPO 基线峰值 GPU 显存降低 24.8%、每轮运行时间减少 23.1%，任务成功率持平或略有提升。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。