Adobe和Rutgers提出EPO优化LLM Agent RL，性能提升152%

Adobe与Rutgers为LLM Agent RL引入EPO

这种熵正则化策略优化解决了多轮、稀疏奖励环境中'探索-利用级联失败'的核心挑战。在ScienceWorld上实现了高达152%的性能提升。