跳到正文
arXiv · NLP· Yizhuo Li·· 10 天前AI 评分28

AgentOPSD 提出一种无 critic 的递归信用分配方案,在 7B 模型上成功率达 89.1%。

AgentOPSD: Turn-Level Credit Assignment via Recursive Belief Revision

AI 导读

该方法将轮次内 token 级对数概率差汇总为证据,在 log-odds 空间执行贝叶斯更新,重新分配优势。 基于 Qwen2.5 骨干,实验证明收益来自轮次边界证据聚合,而非局部差异本身。

来源:arXiv · NLP · arxiv.org