热点事件持续更新
EMPO模型提升多轮强化学习表现
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
天大Jianye Hao等提出了一种名为EMPO的新模型，旨在通过效果-边缘策略优化提升多轮强化学习在复杂任务上的表现。新模型解决了现有方法中只修改细粒度信用而不修改更新耦合的问题。根据最新报道，EMPO模型在ALFWorld和WebShop任务上的表现显著提升，其中EMPO-G（Qwen2.5-1.5B）在ALFWorld上的表现从69.5%提升至83.3%，在WebShop上的表现从62.8%提升至70.3%。早先报道称，多段文本可以诱导同一可执行效果，但信用仍然绑定在各自文本realization上，存在credit–update misalignment的问题。
AI 根据报道生成 · 2 小时前更新
最新进展10月23日 06:05
EMPO模型在ALFWorld和WebShop任务上的性能显著提升，达到83.3%和70.3%的有效率。报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- Agent Control Flash NewsEMPO模型：通过效果-边缘策略优化提升LLM代理性能
反直觉：多段文本可诱导同一可执行效果，但信用仍绑在各自文本 realization 上（credit–update misalignment）。现有错处：只改细粒度信用、不改更新耦合。作者改动：EMPO——效果层替代目标，无需额外 critic/rollout。硬数字：EMPO-G（Qwen2.5-1.5B）ALFWorld **69.5→83.3%**、WebShop **62.8→70.3%**；EMPO-GiG ALFWorld **90.1→94.0%**；Sokoban VL-3B **72.7→84.4%**。可迁移判断：**训练线专用。不要并进昨版 Self-Credit。**
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。