3B模型成功率94.5%！Token级奖励打开长链路智能体训练新思路
3B模型成功率94.5%！Token级奖励打开长链路智能体训练新思路多轮智能体任务只有一个终点奖励，但在一条包含搜索、工具调用和多轮决策的轨迹里，决定成败的往往是一个不起眼的查询词、动作或对象选择。
来自主题: AI技术研报
8305 点击 2026-09-15 13:35
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
多轮智能体任务只有一个终点奖励，但在一条包含搜索、工具调用和多轮决策的轨迹里，决定成败的往往是一个不起眼的查询词、动作或对象选择。
加州大学伯克利分校的研究团队提出了一种AI驱动的系统研究方法ADRS（AI-Driven Research for Systems），它可以通过“生成—评估—改进”的迭代循环，实现算法的持续优化。