Hugging Face · 每日论文· 媒体 / 作者来源·精选
Lean4AgenticRL：通过可验证的多层次过程奖励推进智能体强化学习
原文标题
Lean4AgenticRL: Advancing Agentic RL with Verifiable Multi-level Process Rewards
AI 导读
研究团队提出Lean4AgenticRL框架，首次将多层次过程奖励统一到Lean4形式化架构中，解决了当前大型语言模型在强化学习中仅依赖高层结果奖励的问题。该框架构建了问题特定工作流系统，并使用工作流阶段归一化的GRPO算法提供多层次奖励，训练出的LAR-9B/27B模型在TerminalBench-2.1上达到77.3%准确率，比基线模型高9.89%，比同类最佳模型高5.07%。
来源：Hugging Face · 每日论文 · arxiv.org
导读与选稿说明
首次将形式化方法与多层次奖励机制结合，显著提升了智能体在复杂软件工程和终端使用任务中的强化学习效果。
导读由模型辅助整理，非独立核验。完整信息见原文。