Novos artigos miram o treinamento de agentes LLM de longo horizonte

Três novos artigos de IA propõem métodos para aprimorar agentes LLM de longo horizonte e sistemas multimodelo. O TRCA introduz recompensas por rubricas no nível de transição para atribuir crédito ao longo de trajetórias de agentes em múltiplas etapas, sem avaliadores de processo aprendidos nem âncoras de trajetórias bem-sucedidas. O RLCascadeRouter formula o roteamento em cascata de modelos como um problema de aprendizado por reforço que otimiza diretamente decisões de desempenho e custo, enquanto o Agentic ESOpt defende estratégias evolutivas como uma alternativa de menor uso de memória para o ajuste fino de parâmetros completos em agentes de longo horizonte.