科技媒体 marktechpost 昨日（3 月 23 日）发布博文，报道称 Meta AI 公司携手加州大学伯克利分校，合作推出名为 SWEET-RL 的强化学习框架，并发布了 CollaborativeAgentBench（ColBench）基准测试。
这一创新旨在提升大语言模型（LLMs）在多轮人机协作任务中的表现，特别是在后端编程和前端设计领域。SWEET-RL 通过逐轮优化决策，显著提高了模型的任务完成率，并展示了其在开源模型（如 Llama-3.1-8B）与专有模型（如 GPT-4o）竞争中的潜力。
项目背景
AI在线援引博文介绍，大语言模型正逐渐演变为能够执行复杂任务的自主智能体，但在多轮决策任务中仍面临挑战。
传统训练方法依赖于单轮反馈或模仿高概率行为，无法有效处理长期依赖和累积目标。这导致模型在协作场景中表现不佳，特别是在理解人类意图和多步骤推理方面。
SWEET-RL 的创新之处
SWEET-RL 采用非对称的“演员-评论家”结构，评论家在训练过程中可以访问额外信息（如正确答案），从而更精确地评估演员的决策。
该框架直接建模逐轮的优势函数，简化了信用分配过程，并与 LLMs 的预训练架构更好地对齐。实验结果显示，SWEET-RL 在后端编程任务中通过率提升至 48.0%，前端设计任务的余弦相似度达到 76.9%，显著优于其他多轮强化学习方法。
ColBench 基准测试
ColBench 包含超过 10000 个训练任务和 1000 个测试案例，模拟真实的人机协作场景。任务设计涵盖后端编程（如 Python 函数编写）和前端设计（如 HTML 代码生成），并限制每轮交互最多 10 次。
这一基准测试通过单元测试通过率（代码）和余弦相似度（设计）评估模型表现，为多轮任务提供了可靠的评估标准。
