IT之家3月24日音问，科技媒体marktechpost昨日（3月23日）发布博文韩国艳星，报说念称MetaAI公司联袂加州大学伯克利分校，合作推出名为SWEET-RL的强化学习框架，并发布了CollaborativeAgentBench（ColBench）基准测试。

这一转换旨在擢升谎话语模子（LLMs）在多轮东说念主机互助任务中的推崇，相等是在后端编程和前端联想限制。SWEET-RL通过逐轮优化有盘算，显耀提高了模子的任务完成率，并展示了其在开源模子（如Llama-3.1-8B）与独有模子（如GPT-4o）竞争中的后劲。

形状配景

IT之家征引博文先容，谎话语模子正逐渐演变为八成实行复杂任务的自主智能体，但在多轮有盘算任务中仍面对挑战。

传统考试圭表依赖于单轮响应或效法高概率四肢，无法灵验惩处长久依赖和积蓄主义。这导致模子在互助场景中推崇欠安，相等是在都集东说念主类意图和多圭表推理方面。

SWEET-RL的转换之处

SWEET-RL剿袭非对称的“演员-筹议家”结构，筹议家在考试经过中不错打听极端信息（如正确谜底），从而更精准地评估演员的有盘算。

该框架告成建模逐轮的上风函数，简化了信用分拨经过，并与LLMs的预考试架构更好地对都。本质效用泄露，SWEET-RL在后端编程任务中通过率擢升至48.0%，前端联想任务的余弦一样度达到76.9%，显耀优于其他多轮强化学习圭表。

ColBench基准测试

ColBench包含向上10000个考试任务和1000个测试案例，模拟真的的东说念主机互助场景。任务联想涵盖后端编程（如Python函数编写）和前端联想（如HTML代码生成），并限度每轮交互最多10次。

这一基准测试通过单位测试通过率（代码）和余弦一样度（联想）评估模子推崇韩国艳星，为多轮任务提供了可靠的评估标准。