★ 2
Reward Engine：开放式工具智能体的奖励自进化
论文提出Reward Engine，从任务与初始轨迹构建包含测试用例与评分细则的RewardPack，作为冻结奖励指导智能体修正输出并用于强化学习。在WorkBuddy Bench Office与Claw-Eval上，三次运行一致性分别从45.0%升至54.0%、78.4%升至83.7%。
arXiv cs.AI13 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出Reward Engine，从任务与初始轨迹构建包含测试用例与评分细则的RewardPack，作为冻结奖励指导智能体修正输出并用于强化学习。在WorkBuddy Bench Office与Claw-Eval上，三次运行一致性分别从45.0%升至54.0%、78.4%升至83.7%。