提出TraceR1,一种两阶段强化学习框架,通过先预测短时程动作轨迹再基于工具代理执行反馈进行细粒度优化,提升多模态AI代理在长周期任务中的前瞻性规划能力、执行鲁棒性和泛化性。
机构:Adobe
来源:arXiv 2603.16777 | AI4Papers 论文推荐平台