Agent RL低系数奖励减少工具调用
热点事件持续更新
Agent RL低系数奖励减少工具调用
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
yb2698 报告称，在智能体强化学习奖励中加入仅对正确 rollout 生效的工具调用惩罚，并取系数 0.1，可使工具调用次数下降 11%—17%，同时准确率不变；系数升至 0.3 则会损害准确率。 其奖励公式为“任务验证器得分 + 0.1 ×（1－calls/15）”。另一项使用 pi、LFM2.5-24B、训练 50 步的消融称，开启该机制后，留出集准确率变化为 +0.0±4.1 分。
AI 根据报道生成 · 1 小时前更新
最新进展11月6日 00:29
AI 智能体 RL 奖励设计实测：0.1 系数使工具调用次数下降 11–17% 且精度不变报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- AGI HuntAI 智能体 RL 奖励设计实测：0.1 系数使工具调用次数下降 11–17% 且精度不变
yb2698 实测 AI 智能体 RL 奖励设计：reward = 任务验证器得分 + 0.1 × (1 − calls/15)，惩罚项仅对正确的 rollout 生效。
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。