提出递归智能体优化(RAO)强化学习方法,用于训练可自主派发与处理子任务的递归智能体,使其能够突破上下文窗口限制、泛化至更困难任务,并提升训练效率与推理执行速度。
机构:CMU
来源:arXiv 2605.06639 | AI4Papers 论文推荐平台