agentic-grpo-longhorizon

该项目旨在解决长链路多工具智能体中的 GRPO 训练崩溃问题。通过创新的 PRM-Lite + LATA 联合方案，在 τ-bench airline（50 任务、多轮对话）场景下，相比 Vanilla GRPO 基线实现了 37% 的整体 pass^1 提升。项目采用 Python 编写，并基于 PyTorch 和 CUDA 技术栈。该联合方案不仅提高了整体性能，还增强了泛化能力和推理深度，同时显著降低了错误率。适用于需要处理复杂多轮对话和多工具调用的任务，特别是在长链路、多工具环境下对智能体进行训练和优化时表现出色。