港科大提出Mosaic多会话强化学习框架

发生了什么

据Hugging Face Papers报道，香港科技大学（广州）LARK实验室提出Mosaic，一种用于多会话代理强化学习的框架。该方法旨在解决现有强化学习方法仅支持单会话轨迹的局限，通过分层优势估计优化多会话轨迹中的贡献分配。Mosaic在轨迹层面结合会话使用信号，并在会话层面根据边际贡献塑造优势。在BrowseComp基准测试中，使用Qwen3.5-4B模型进行实验，结果显示Mosaic在上下文压缩和子代理分叉场景下，相比广播基线方法表现更优且平均会话使用量更少。