From Correctness to Preference: A Framework for Personalized Agentic Reinforcement Learning

En 3 lignesFramework PARPO pour l'apprentissage par renforcement d'agents personnalisés. Découple récompenses génériques et préférences utilisateur via ancres spécifiques. Introduit PSGM pour la récupération de compétences alignées. Évalué sur ETAPP, ETAPP-Hard, SJAgent avec gains sur baselines mémoire et RL.

Résumé généré par Claude — vérifié par l'humain