#多轮强化学习

多轮强化学习究竟提升了LLM智能体的什么？

多轮智能体强化学习的性能增益高度依赖交互预算，研究发现其优势集中在错误恢复与长程韧性，而非单步决策质量。BudgetMix RL通过在训练中变化交互预算，提升部署鲁棒性。