跳到正文
arXiv · ML· Bowen Ding, Mingda Wan, Yuhan Chen, Jiyao Yuan, Qi Zhu, Futing Wang, Heyuan Deng, Fei Mi, Lifeng Shang, Tao Lin·· 2026-10-14AI 评分31

ProAS:面向多轮智能体强化学习的进度感知优势整形框架

ProAS: A Progress-Aware Advantage Shaping Framework for Multi-Turn Agentic Reinforcement Learning

AI 导读

研究人员提出 ProAS 框架,利用智能体参考图(ARG)解决无 Critic 强化学习算法中的均匀信用分配困境。 该方法通过掩蔽不合理激励和非对称惩罚重分配实现细粒度信用分配,在 Qwen2.5-1.5B-Instruct 上 ALFWorld 任务成功率达 91.9%。 ProAS 使训练收敛加速最多 2.44 倍,并保持了针对不完美 ARG 的强鲁棒性。

来源:arXiv · ML · arxiv.org