PlanPO：面向多轮智能体 LLM 的组规划感知策略优化

英文标题：PlanPO: Group Planning-Aware Policy Optimization for Multi-Turn Agentic LLMs

这篇新发布的 arXiv 预印本提出了 PlanPO，一种用于多轮智能体大语言模型（LLM）的组规划感知策略优化方法。论文聚焦组相对策略优化在多轮交互任务中的训练应用，并指出现有多数变体即使面对同样成功的轨迹，也无法有效区分其优势差异。该研究的目标是让 Agent 在复杂、多步骤任务中的规划与策略学习更加精细，对构建更可靠的多轮交互式 AI Agent 具有参考意义。

2.1 KB 640 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB