提出DecompRL,一种强化学习框架,通过将问题分解为可独立实现的子函数并重新组合,在CPU评估中实现组合搜索,显著降低GPU成本并解决标准方法无法触及的难题。
机构:Meta
来源:arXiv 2607.02390 | AI4Papers 论文推荐平台