Hacker News· bilsbie·· 3 小时前AI 评分67
长程智能体后训练可以忘掉 credit assignment：ES 与 PG 的对比研究
Forget about credit assignment in long-horizon agentic post-training
AI 导读
作者团队撰文论证 Evolution Strategies（ES）可作为长程智能体后训练中策略梯度（PG）RL 的可扩展零阶替代方案，ES 不需要 credit assignment、critic 或 masking。
来源：Hacker News · qiyaoliang.com