提出了一种仅依赖强化学习的In-Context Reinforcement Learning(ICRL)框架,通过在RL rollout阶段引入并逐步减少上下文示例,使大语言模型无需监督微调即可自主学习调用外部工具(如Python解释器、搜索引擎),在多项推理与工具使用基准上达到SOTA性能。
机构:国立新加坡大学
来源:arXiv 2603.08068 | AI4Papers 论文推荐平台