TalentRL: Strategy-Guided Reinforcement Learning for Hierarchical Skill Routing
Pubblicata su AIChronos il · fonte del · Huancheng Chen, Xiaodi Sun, Zhaoqiong Huang, Michelle Chang, Jingwen Lu
TalentRL è un framework di reinforcement learning guidato da strategie che introduce il concetto di 'talenti' (strategie ad alto livello) per gestire la selezione gerarchica delle abilità procedurali. Il sistema utilizza reward contrast basati su interventi controllati sul contesto condizionato al talento e vantaggi relativi di gruppo per ottimizzare sia il routing che l'esecuzione downstream. Questo approccio supera i limiti dei sistemi tradizionali a SkillBank piatti, migliorando significativamente le performance in benchmark open-domain e agentic.
- I 'talenti' rappresentano strategie ricorrenti ad alto livello che guidano la selezione delle abilità fine-grained durante l'esecuzione del task.
- Il training utilizza reward contrast per isolare il contributo della decisione di routing, separandolo dall'esecuzione downstream e dal contesto recuperato.
- TalentRL ottiene i migliori risultati su tutti i backbone testati (Qwen2.5-7B, Qwen3-8B, Llama-3.1-8B) superando le baseline zero-shot in benchmark di QA multi-hop.
- Sui benchmark agentic ALFWorld e WebShop, il metodo raggiunge la massima percentuale di successo assoluto (99.3% su ALFWorld).
- L'approccio combina supervised fine-tuning con reinforcement learning per ottenere incrementi cumulativi delle success rate fino al 16-20%.
Perché conta. Per gli sviluppatori di agenti AI e sistemi locali, TalentRL offre una soluzione strutturata per gestire la complessità del routing procedurale senza affidarsi a retrieval piatti inefficienti. L'architettura permette di scalare l'utilizzo di procedure riutilizzabili mantenendo un controllo strategico esplicito sulle decisioni dell'agente.
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.