论文提出智能体强化学习数据缩放定律

一篇论文为智能体强化学习数据拟合出缩放定律，并给出合成数据策略。论文称，沿任务、环境、轨迹三个维度，在不同模型规模、模型家族、领域以及 PPO 和 GRPO 下，三个维度的指数排序一致：环境高于任务，任务高于轨迹；环境的优势主要来自世界多样性，改变同一世界的结构带来的收益与增加任务大致相当。 该定律还给出各合成方法的折扣因子，以及训练开始崩溃时的合成与真实数据比例。论文称，按这一配方分配预算，相比常见做法可提升至多 1.7 倍计算效率。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。