腾讯开源强化学习新算法！让智能体无需专家示范就“自学成才”，还即插即用零成本接入

腾讯优图实验室开源新型强化学习算法SPEAR，通过“自我模仿+渐进探索”机制，在无需专家示范下实现LLM智能体的熵稳定学习。该算法在ALFWorld、WebShop、AIME24/25等多个基准上平均提升超16%，其中WebShop任务成功率提升20.7%，Sokoban任务较先前最佳提升19.6%。结合Dr.BoT增强基线，兼容主流训练框架，训练效率高，支持多模态任务且可即插即用，相关代码与模型已公开。
来源：https://mp.weixin.qq.com/s/34buBEy-7la0IzJcvdwgiQ