CurateEvo：面向智能体后训练的数据管理进化方法
英文标题：CurateEvo: Data-Curation Evolving for Agentic Post-Training
arXiv 新论文 CurateEvo 提出动态数据管理策略，使大语言模型智能体能够通过环境反馈改进长时决策。该方法将数据管理从固定的预处理步骤转变为与智能体训练同步进化的过程，可动态筛选和生成高质量经验数据。对致力于强化学习与智能体后训练的开发者而言，该框架有望提升复杂任务中的持续学习效果。
打开原文相关 3.2 · 机会 1
2.6 KB
2.1 KB
865 B
612 B
380 B
9.1 KB
22.8 KB
24.2 KB
34.7 KB
中文
论文信息
标题：CurateEvo: Data-Curation Evolving for Agentic Post-Training
arXiv 编号：2607.06140v1
公告类型：新提交
BibTeX 格式引用
bibtex @article{...
注：原文提供的 BibTeX 引用信息不完整，仅显示标题和起始片段。
摘要
大语言模型（LLM）智能体需要能够从环境反馈中改进长时决策的后训练方法。然而，现有智能体后训练流程通常将数据管理视为固定的预处理步骤，聚焦于……（摘要原文在此中断）。本研究提出 CurateEvo 框架，将数据管理与智能体训练协同进化，动态筛选和生成高质量经验数据，从而提升智能体的持续学习和适应能力。
核心思路
- 动态数据管理：打破一次性数据准备的局限，让数据筛选策略随智能体策略同步更新。
- 环境反馈驱动：利用智能体在交互中获得的奖励或批评信号，迭代优化训练数据分布。
- 面向长时任务：尤其适用于需要多步决策的智能体场景，如导航、网页操控、代码生成等。
完整论文请参阅 arXiv:2607.06140。
English / 原文
BibTeX formatted citation
×