**SERO：利用可执行预言机续集实现长视界智能体强化学习**

_SERO: Learning from Executable Oracle Continuations for Long-Horizon Agentic Reinforcement Learning_

> 针对长视界智能体强化学习中信用分配困难及无法利用未访问未来状态的问题，研究提出了 SERO 框架。该方法在基于策略的蒸馏基础上，引入可执行预言机续集，通过让训练专用的预言机在真实环境中继续交互，获取下游观测与动作作为学习信号。同时采用策略可达性加权机制，根据当前策略与预言机动作的兼容性对损失进行加权，从而在不影响推理阶段的前提下实现更深层的监督，显著提升了在 ALFWorld 和 WebShop 等基准上的表现。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：行业
- **发布时间**：2026-10-16 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.19397)