提出Agentic Critical Training(ACT)强化学习范式,训练大语言模型代理在成对动作中自主判断更优动作,从而驱动模型发展真实自我反思能力而非模仿预生成的反思文本,在多个代理基准上显著提升性能。
机构:马里兰大学
来源:arXiv 2603.08706 | AI4Papers 论文推荐平台