Stabilizing Off-Policy Training for Long-Horizon LLM Agent via Turn-Level Importance Sampling and Clipping-Triggered Normalization

Fuente: arXiv

Enregistré dans:

Détails bibliographiques
Auteurs principaux:	Li, Chenliang, Elmahdy, Adel, Boyd, Alex, Wang, Zhongruo, Zeng, Siliang, Garcia, Alfredo, Bhatia, Parminder, Kass-Hout, Taha, Xiao, Cao, Hong, Mingyi
Format:	Preprint
Publié:	2025
Sujets:	Machine Learning Artificial Intelligence Computation and Language
Accès en ligne:	Acceder al recurso
Tags:	Ajouter un tag Pas de tags, Soyez le premier à ajouter un tag!

Internet

https://arxiv.org/abs/2511.20718