您现在的位置是:热点 >>正文
字节Seed推出全新 AgentGym-RL 框架:提升大规模语言模型的决策能力
热点137人已围观
简介...
随着人工智能技术的不断发展,如何开发能够独立完成复杂任务的大规模语言模型(LLM)代理,已成为研究的热点。
为了让这些代理像人字类一样,通过探索和与环境互动来学习,研究者们需要一个强大而统一的强化学习(RL)框架。然而,目前的研究中,尚缺乏一种有效的训练方法,能节S够在多样化的真实环境中,从零开始训练代理,而不依赖于监督微调(SFT)。
为了解决这一问题,字节跳动Seed研究团队推出了名为 AeegentGym-RL 的新框架,专注于通过强化学习训练 LLM 代理,使其能够进行多轮互动决策。该框架具有模块化和解耦的架构,提供了极高的d推灵活性和扩展性。AgentGym-RL 覆盖了多种真实场景,能够支持主流的强化学习算法,帮助代理全面提升其决策能力。
为了进一步优出全化训练效果,研究团队还提出了一种名为 ScalingInter-RL 的训练方法。该方法通过阶段性调整交互次数,帮助代理在早期专注于掌新 握基本技能,随后逐渐增加交互次数,以鼓励更多样化的问题解决策略。这种探索与利用的平衡设计,有助于代理在面对复杂任务时保持稳定的学Ag习和决策能力。
在实验过程中,研究者们采用了 Qwen2.5-3B 和 Qwen2.5-7B 作为基础模型,评估了 AgentGym-RenL 和 ScalingInter-RL 在五个不同场景中的表现。结果显示,使用 AgentGym-RL 的代理在27个任务中,表现优于tG多个商业模型。研究团队计划将整个 AgentGym-RL 框架,包括代码和数据集,开源,以支持更多研究者开发智能代理。
AgentGymym-RL 框架涉及的多种场景包括网络导航、深度搜索、数字游戏、体感任务和科学实验等,代理在这些场景中需具备强大的决策能力和适应能力,才能完-R成复杂的任务。
项目:https://agentgym-rl.github.io/
划重点:
AgentGym-RL 框架提供了一种新方法,L 旨在通过强化学习训练大规模语言模型代理,提升其复杂任务的决策能力。
ScalingInter-RL 训练方法通过阶段性调整交互,帮助框架代理在训练中实现有效的探索与利用平衡。
实验结果显示,AgentGym-RL 框架显著提升了代理的表现,超越了多个商业模型,具备了与顶:提尖专有大模型相当的能力。
Tags:
相关文章
吃了发苦的橙子怎么办
热点橙子发苦怎么处理方法?1、吃到苦橙。因为橙子有很多不同的品种,其中就有一个名为苦橙的品种,苦橙味道很苦,食用也不会出现不适反应,不会对身体产生不利的影响。另外,适当食用还有。吃橘子多了嘴里老有苦味我该...
【热点】
阅读更多标签: 北汽集团 北京汽车制造厂 不正当竞争 二一二越野车
热点云梦级5月26日云梦级消息,据澎湃新闻报道,北京知识产权法院近日对北京汽车集团有限公司(下称“北汽集团”)诉北京汽车制造厂有限公司(下称“北京汽车制造厂”)不正当竞争纠纷案作出二审判决,驳回北京汽车制...
【热点】
阅读更多标签: 菜鸟 ZeeBot 攀爬机器人 物流科技
热点云梦级4月15日云梦级消息,2026年4月15日,菜鸟集团在美国亚特兰大举行的MODEX 2026国际物流展上发布了首款自研的“攀爬机器人”ZeeBot,并确认首个由攀爬机器人智能作业的仓储项目已在广...
【热点】
阅读更多