Kuaishou（快手）

Progress-conditioned Group Policy Optimization for Long-Horizon Agentic Tasks

用于长期代理任务的进度条件分组策略优化

Kaibing Yang, Guangfeng Cai, Shengtian Yang, Shuo He, Yu Li, Mengyi Liu, Pengwei Chen, Jun Xu, Lei Feng

机构 * Southeast University（东南大学） ； Kuaishou Technology（快手科技） ； Meituan（美团） 纠错

AI总结 研究长期代理任务中基于分组策略优化的采样不平衡问题，提出进度条件分组策略优化（ProGPO），通过特定条件下利用首次访问观察覆盖率，为访问更多新状态的轨迹或步骤赋予优势，实验证明该方法优于基线，尤其在困难任务上效果显著。