SWEET-RL：显著提升LLM协作任务成功率

Meta FAIR与加州大学伯克利分校的研究团队提出了新基准ColBench及强化学习算法SWEET-RL。ColBench包含后端编程和前端设计两项任务，用于评估LLM智能体的推理和泛化能力。SWEET-RL通过两阶段训练方法（学习优势函数和优化智能体），利用训练时间信息显式执行credit分配，显著提升了LLM智能体在多轮协作任务上的成功率。实验显示，使用Llama-3.18B-Instruct的SWEET-RL模型性能可媲美GPT-4o等顶尖模型。
来源：https://mp.weixin.qq.com/s/sgNsSM0Vp0dIcUp08lWSFQ