The Landscape of Agentic Reinforcement Learning for LLMs
8 months ago
- #Large Language Models
- #Reinforcement Learning
- #Artificial Intelligence
- 代理强化学习（Agentic RL）标志着大语言模型从传统强化学习向自主决策代理的转变
- 本综述对比了LLM-RL中单步马尔可夫决策过程（MDPs）与代理强化学习中时序扩展、部分可观测的MDPs（POMDPs）的区别
- 提出双重分类体系：一种基于核心代理能力（规划、工具使用、记忆、推理、自我改进、感知），另一种基于跨任务领域的应用场景
- 研究强调强化学习是将静态能力转化为适应性、鲁棒性代理行为的关键机制
- 整合开源环境、基准测试和框架以支持未来研究
- 通过综合五百余篇最新文献，勾勒该领域的快速演进，并指出可扩展通用人工智能代理面临的机遇与挑战