arXiv ID:
2510.14545
arXiv 提交日期: 2025-10-16
主动性熵平衡策略优化 / Agentic Entropy-Balanced Policy Optimization
1️⃣ 一句话总结
这篇论文提出了一种名为AEPO的新强化学习算法,通过动态平衡探索过程中的不确定性,解决了现有方法因过度依赖熵信号导致的训练崩溃问题,在多个复杂任务上显著提升了智能体的工具使用能力。