AI在线 AI在线

Agentic Reinforced Policy Optimization

ARPO:智能体强化策略优化,让Agent在关键时刻多探索一步

本文的第一作者是董冠霆,目前就读于中国人民大学高瓴人工智能学院,博士一年级,导师为窦志成教授和文继荣教授。 他的研究方向主要包括大语言模型推理,多智能体强化学习、深度搜索智能体等。 在国际顶级会议如 ICLR、ACL、AAAI 等发表了多篇论文,并在快手大模型应用组、阿里通义千问组等大模型团队进行实习。
8/9/2025 11:17:00 PM
机器之心
  • 1