**Agentic ESOpt:用进化策略高效微调长周期LLM智能体** _Agentic ESOpt: Fine-Tuning Long-Horizon L
原帖
**Agentic ESOpt:用进化策略高效微调长周期LLM智能体**
_Agentic ESOpt: Fine-Tuning Long-Horizon LLM Agents with Minimal GPU Requirements_
> 论文提出Agentic ESOpt框架,利用进化策略(ES)替代强化学习来微调长周期LLM智能体。相比RL,ES仅需推理级GPU内存即可实现全参数优化,且支持轨迹级参数归因而无需分解奖励。在WebArena-Lite上,Qwen-3.5-27B全参数优化较基线提升6.69%,测试时启发式设计在36项中有28项优于基线。
**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:ai-models
- **发布时间**:2026-08-19 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2608.17310)