研究者提出无监督信用分配方法AEM

1. 12:00
   arXiv cs.AI

   AEM：面向多轮智能体强化学习的自适应熵调制方法

   研究者提出 AEM，一种无需额外监督的信用分配方法，通过在强化学习训练中自适应调制熵动态来改善探索与利用的平衡。该方法将熵动态从 token 级提升到响应级，以匹配 LLM 智能体的有效动作粒度，并基于响应级不确定性代理对优势值进行缩放。

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。