**RSIPO：基于技能-策略协同进化的递归自改进智能体强化学习框架**

_RSIPO: Recursive Self-Improving Policy Optimization for Agentic Reinforcement Learning via Skill-Policy Co-Evolution_

> 针对智能体强化学习中信用分配难及教师监督不可靠的问题，提出RSIPO框架。该方法通过轨迹回放优化策略模型的技能提取能力，实现技能与策略的协同进化，并利用经验贝叶斯收缩动态校准对教师评分的信任度。实验显示，基于Qwen2.5-7B的RSIPO在ALFWorld等任务中平均成功率达98.6%，显著优于现有基线。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-14 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.15772)