Lean4AgenticRL以可验证的多层级过程奖励推进智能体强化学习
Lean4AgenticRL是一个利用Lean4形式化方法的框架，通过过程多个层级的奖励训练智能体强化学习。除最终结果外，它还评估工具调用和工作流阶段。研究人员使用该框架训练了LAR-9B和LAR-27B模型。LAR-27B在TerminalBench-2.1上取得77.3%。作者称，这些模型平均优于基础模型9.89%，并领先于他们所知的同等规模第二名模型5.07%。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。