**多轮强化学习在 LLM 智能体中究竟提升了什么？**

_What Does Multi-Turn Reinforcement Learning Really Improve in LLM Agents?_

> 研究揭示多轮智能体强化学习（RL）的优势高度依赖交互预算：其收益随轮次限制收紧而显著下降，且主要体现于错误恢复与长程任务韧性，而非单步决策质量的均匀提升。为此，论文提出了“预算混合强化学习（BudgetMix RL）”，通过训练阶段动态调整交互预算，有效缓解了部署风险并实现了跨场景的鲁棒性能。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-11-05 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2611.06483)