Mosaic：多会话智能体强化学习
许多现有的智能体强化学习方法假设交互轨迹在单个会话中进行。然而，上下文压缩和子智能体分叉等技术可能跨越多个会话。Mosaic 采用无需评论器的分层优化来应对这一问题：在轨迹层面的优势估计中纳入会话使用情况，并根据估算的边际贡献调整各会话的优势。在使用 Qwen3.5-4B 进行的 BrowseComp 实验中，无论是上下文压缩还是子智能体分叉，Mosaic 的表现都优于向所有会话分配相同轨迹优势的方法，且平均使用的会话更少。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。