arXiv · AI· Shu Liu, Yang Chong, WenShi Chen, Man Lan·· 7 小时前AI 评分32
SGR-OPSD：通过子目标规划与图正则化信用分配提升智能体强化学习效果
SGR-OPSD: Learning from Subgoal Plans with Graph-Regularized Credit Assignment for Agentic Reinforcement Learning
AI 导读
提出SGR-OPSD框架，结合子目标监督与交互证据实现轮级信用分配，在ALFWorld、WebShop和Search-QA上持续超越GRPO及强自蒸馏基线。 该框架利用LLM生成子目标计划提供动作级指导，构建子目标进度图校准教师信用权重；在Qwen2.5-3B和7B模型上测试，成功率高出GRPO最多7.4个百分点，ALFWorld达85.8%。
来源：arXiv · AI · arxiv.org