LLMZero：用LLM智能体自动发现强化学习后训练的自适应策略

该论文提出LLMZero方法，利用大语言模型智能体自动探索并调整强化学习后期训练的超参数与策略。研究发现，在训练过程中容量参数呈单调累积趋势，而正则化参数则随训练动态变化并出现周期性振荡。

AI推荐理由 该研究把RL后训练的超参数搜索交给LLM智能体自动完成，可减少人工调参试错成本，并揭示了容量参数单调增、正则化参数周期振荡的规律，有助于开发者更快找到更稳的训练策略，但对生产环境的直接效果仍需验证。