Le filThèmes : RechercheAgentsÉvaluations
SLCA-GRPO sépare le crédit des appels d’outils et des résumés dans l’apprentissage par renforcement
1 sourcemis à jour 28 sept.pertinence 3,5 sur5
L’essentiel
Avec un modèle de 7 milliards de paramètres, la méthode dépasse GRPO, ToolPO et RLTR de 2,53 points en domaine, 1,36 sur BFCL et 9,15 sur τ²-Bench, à budget d’entraînement égal.
Propagation1 article, publié par HF Daily Papers le 28 sept..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceYan Zhan, Shaobo Liu, Qiunan Liu et al.huggingface.co
SLCA-GRPO: Resolving Cross-Segment Credit Misattribution in Tool-Calling RL (site externe)
Tool-calling agents produce heterogeneous outputs, interleaving structured tool invocations with user-facing natural language summaries.
Sur les mêmes thèmes
Agents
SkillSeek montre que BM25 rivalise avec la recherche agentique de skills pour les agents
Agents
VeriHarness transforme le LLM d’un générateur en agent vérificateur pour les tâches longues
Agents
MILO fait évoluer des harnais d’agents et leur stratégie de recherche, et dépasse huit harnais de référence
Évaluations
Des chercheurs suggèrent que les modèles de langage tendent à présenter par défaut des récits de succès
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5