RAGEN：轨迹级 Agent 强化学习

RAGEN 在完整交互轨迹级别训练 Agent，让策略从多步历史、环境反馈和轨迹奖励中学习改进，是 Agent RL 路线的重要样本。

核心思想

在轨迹级别对 Agent 进行强化学习训练。不同于单步奖励，RAGEN 从 Agent 的完整交互历史中学习策略改进。

方法

1. Agent 执行完整交互轨迹
2. 轨迹级评估计算整体奖励
3. RL 更新 Agent 策略
4. 新策略生成改进的交互轨迹

意义

• 从单步优化扩展到轨迹级策略优化
• 完整交互历史提供更丰富的学习信号
• 为 Agent 级别的进化训练提供框架

← 返回研究图谱