⌘ K
… 读取采集状态 同步中...
雷
原文
量子位· Ranxu·· 2026-09-13AI 评分53

PARPO:面向个性化智能体强化学习的新框架

个性化智能体强化学习框架上线,8B模型盲测第一

AI 导读

中国科学技术大学与阿里巴巴团队提出PARPO框架,将个性化引入智能体强化学习。该框架包含PSGM技能记忆、两阶段偏好解耦奖励模型和双轨优化器。在Qwen3-4B/8B模型上的评估显示,8B模型在盲测中排名第一,其中用户相关性维度优势最大。

本文当前提供导读和图片预览,完整图文请查看原文。

来源:量子位 · mp.weixin.qq.com