跳到正文
arXiv · ML· Xiangyu Lu, Zhanke Zhou, Jiazhe Ning, Chentao Cao, Jiangchao Yao, Bo Han·· 10 天前AI 评分41

TACA:解决智能体强化学习中工具信用分配偏差的方法

When Credit Turns Against Tools: Transition-Aware Credit Assignment in Agentic Reinforcement Learning

AI 导读

TACA 提出过渡感知信用分配机制,解决智能体强化学习中工具调用能力随训练衰退的问题,其核心包含优势投影、决策对比和监督重放三个组件。该方法在六个推理基准测试上,将 Qwen2.5-1.5B 的平均准确率提升 4.61 个百分点,Qwen2.5-3B 提升 3.61 个百分点。代码已开源,该成果已被 NeurIPS 2026 接收。

来源:arXiv · ML · arxiv.org