**多尺度策略优化：解决长视野 LLM 智能体的信用分配难题**

_Multiscale Policy Optimization for Long-Horizon LLM Agents_

> 针对长视野 LLM 智能体在逐词生成动作时难以进行有效信用分配的痛点，研究提出了多尺度策略优化（MPO）框架。该方法结合多尺度优势估计与回合级重要性采样，将优化锚点从逐词级别提升至回合级别，显著提升了搜索、工具使用及自动化任务中的表现，并在不同规模模型上均优于现有的强化学习基线。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-10-28 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.35013)