强化学习
突破级
暂无讲解视频
收录解读
这篇论文试图改写当前 agent RL 的一个核心训练视角：模型不应只从奖励信号里被动更新，而应显式地把过去轨迹转化为可复用的经验，并在后续决策中继续消费这些经验。作者把这一点 formalize 成 Experiential Reinforcement Learning，强调 experience 本身是学习与控制中的一等对象，而不只是 replay buffer 里的原始样本。
方法上，论文把轨迹中的经验抽取、整理和利用并入强化学习闭环，形成更接近“从经历中形成策略性记忆”的训练框架。它的价值不在于单个技巧，而在于把 RL 里的 credit assignment、trajectory reuse 和 agent memory 重新组织到一个更统一的经验学习范式里。这个 framing 对长时程 agent 和 memory-augmented RL 尤其重要。
这项工作值得收录，因为它不是普通 RL 增量算法，而是对 agent learning loop 的重述。它与当前仓库里的 trajectory memory、agent self-improvement、RL post-training 等主线直接相邻，属于会影响后续 agent training 设计的高信号条目。
它还不到 disruptive，原因是目前还需要更多任务范围和外部复现来证明这个经验学习框架的通用收益。现阶段更稳的定位是一篇值得长期跟踪的 breakthrough。