#智能体强化学习

EnvSched：环境感知调度提升智能体RL效率

论文提出 EnvSched 环境感知调度器，通过双关系图建模环境-任务对、预测奖励方差并结合覆盖与配额约束，在有限 rollout 预算下显著提升智能体强化学习效率，Qwen3-8B 上 40 步即超越随机选择 120 步的最高分。