BIRD-RL：面向有状态数据环境的智能体强化学习框架

BIRD-RL 用四阶段课程与轨迹隔离基础设施提升有状态数据任务 RL 效率。

资讯摘要

论文提出 BIRD-RL，一种面向有状态数据环境的四阶段智能体强化学习课程，交替增强基础推理与轨迹自适应在线策略探索，以缓解端到端学习的不稳定。其配套的轨迹作用域持久执行基础设施支持数据库副本安全复用并保持轨迹隔离，作者报告空间效率提升 12.8 倍且无需 Kubernetes。在 BIRD-CRITIC-SQLite 上，7B 与 14B 模型成功率分别为 44.40% 和 48.00%。

要点速读

1. 论文指出工具中心框架用于 SQL 调试等有状态任务时存在空间效率问题，直接复用数据库会导致轨迹污染与跨轨迹干扰。
2. BIRD-RL 采用四阶段课程，并配合轨迹作用域持久执行基础设施实现数据库副本复用与轨迹隔离，作者报告空间效率提升 12.8 倍。
3. 在 BIRD-CRITIC-SQLite 基准上，7B 和 14B 模型成功率分别为 44.40% 和 48.00%，作者称可训练兼顾 SQL 调试与生成的统一小模型。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/23 08:00:11（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。