登录

当前标签：Token级奖励

B模型成功率94.5%！Token级奖励打开长链路智能体训练新思路

B模型成功率94.5%！Token级奖励打开长链路智能体训练新思路

【中科大与阿里联合团队提出ADRS框架，通过Token级奖励塑造解决长链路智能体训练的时间信用分配难题，3B模型在最大交互步数50场景下成功率可达94.5%。】