요약

본 기사는 에이전트 학습의 최적화 방안을 제시하며, 그룹별 GRPO를 단일 롤아웃 비동기 업데이트로 대체하는 방법을 설명합니다. 이 방법은 엄격한 더블-사이드 토큰 레벨 클리핑을 통해 1,000 스텝 동안 안정적인 학습이 가능함을 보여줍니다.

핵심 포인트

• 에이전트 학습 최적화를 위한 새로운 접근 방식을 제시합니다.
• 그룹별 GRPO를 단일 롤아웃 비동기 업데이트로 대체했습니다.
• 더블-사이드 토큰 레벨 클리핑을 통해 안정적인 장기 학습이 가능합니다.