提出StraTA框架,通过在智能体强化学习中引入显式的轨迹级策略指导与分层GRPO训练机制,解决大语言模型在长视距决策中的探索与信用分配难题,在ALFWorld、WebShop和SciWorld等任务上显著提升了样本效率与最终性能。
机构:上智院
来源:arXiv 2605.06642 | AI4Papers 论文推荐平台