Agent-G^2: Gaussian Guidance for Agentic Reinforcement Learning
Agent-G^2：面向 Agentic RL 的高斯引导框架
🧭 Agent 强化学习训练 · 引导深度采样
Zhejiang University · Baidu Inc. · Shandong University
用在线估计的高斯分布动态采样每个任务的专家轨迹引导深度，替代固定或逐样本探测，显著降低 rollout 成本并提升 Agent RL 效果
📌 工作参考价值（3 点）
- 在电商/搜索用 LLM Agent 做多步交互（如智能导购、商品筛选、客服对话）时，可保留专家轨迹前缀作为 warm start，但不必固定深度；借鉴高斯引导在线估计每个任务/query 的引导深度，平衡探索与专家先验，缓解稀疏奖励。
- 按任务难度聚类动态调整引导强度：将用户 query 或 session 按难度分簇，分别估计均值方差，避免“一刀切”的固定提示长度，适配长尾/复杂场景。
- 无需额外 probe rollouts，直接从策略优化已产生的 rollouts 估计分布，节省采样成本，适合在线 RL 预算有限的业务，尤其在大规模推荐/搜索 agent 调优时。