Articles et recherche

PORTool : une méthode d'optimisation de politique basée sur l'arbre de récompenses et la sensibilité à l'importance pour le raisonnement multi-outils

Titre original:PORTool: Importance-Aware Policy Optimization with Rewarded Tree for Multi-Tool-Integrated Reasoning

Résumé IA

L'équipe de recherche propose l'algorithme PORTool pour résoudre l'ambiguïté d'attribution de crédit liée à l'utilisation de seules récompenses de résultat dans le raisonnement multi-outils. Grâce à une optimisation de politique sensible à l'importance, la méthode renforce les capacités d'utilisation d'outils de l'agent sous supervision au niveau du résultat, tout en attribuant des récompenses au niveau des étapes. PORTool génère un arbre de récompenses pour identifier les étapes de décision clés, guidant ainsi plus précisément le modèle dans l'apprentissage de séquences d'appels d'outils efficaces et améliorant l'efficacité et la fiabilité de la résolution de tâches complexes.

Points clés

  • L'équipe de recherche propose l'algorithme PORTool pour résoudre l'ambiguïté d'attribution de…
  • Grâce à une optimisation de politique sensible à l'importance,la méthode renforce les capacités…
  • PORTool génère un arbre de récompenses pour identifier les étapes de décision clés,guidant ainsi…

En bref

Publié
Mis à jour
Source
Apple Machine Learning Research(RSS)
Catégorie
Articles et recherche
Score IA
66
Lire l'original Lire l'article complet à la source d'origine
Pourquoi c'est important

不少 Agent 团队训练时都遇到过奖励信号太稀疏的问题,PORTool 试着把奖励细粒度化,给了个可实操的解法,做工具调用智能体的值得深读。

Source et droits

Cet article s'appuie sur des titres sélectionnés et des résumés IA issus de l'API publique AIHOT, avec attribution et liens de retour. Les droits sur l'original restent ceux des médias et auteurs d'origine ; ce site ne reproduit pas les textes intégraux.

Article original · Fiche AIHOT

Comment citer

Pour citer cet article, conservez le titre, la date et le lien permanent, et indiquez Orange News comme source.

Orange News : PORTool : une méthode d'optimisation de politique basée sur l'arbre de récompenses et la sensibilité à l'importance pour le raisonnement multi-outils. 4. mai 2026. https://new.nat6.net/fr/news/cmoru206602i0slrjal8zp4ss/

Tout voir →