SkillForge强化学习方法提出，在交互式智能体基准中取得最高成功率

研究人员提出了一种名为SkillForge的强化学习智能体训练方法，该方法通过动态管理技能的试用、活跃、稳定和退休四个状态来协同演化技能库与智能体。该方法在多个交互式智能体基准测试中取得了最高的综合成功率，相对最佳基线提升了7.8%。 SkillForge在强化学习开始前，会利用基础模型自身的模拟轨迹预先淘汰低效技能。在强化学习过程中，该方法会持续进行选择性淘汰、稳定化和由大语言模型引导的突变，以锻造技能库并优化策略。 研究人员还同时发布了SkillFurnace数据集，该数据集包含5000多条带注释的记录，整合了经退休筛选的监督微调轨迹、带有适应度注释的演化技能库，以及带有人工标注失败类别的技能退休事件。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。