Meta FAIR与加州大学伯克利分校研究团队提出了新基准ColBench，并开发了多轮强化学习算法SWEET-RL，旨在提升大型语言模型在复杂协作任务中的表现。该算法通过直接学习每轮的优势函数，显著提高了智能体在编程和设计任务中的成功率。