arXiv · AI· Huan Zhang, Mingju Chen, Dongxu Zhou, Can Lv, Heng Chang, Sen Cui, Faguo Wu, Shiji Zhou·2026-10-23 12:00· 6 小时前AI 评分29

TRCA: 基于过渡评级的长程 LLM Agent 信用分配方法

TRCA: Transition-wise Rubric Credit Assignment for Long-horizon LLM Agents

AI 导读

提出 TRCA 方法，针对长程 LLM Agent 在稀疏终端结果下的精细信用分配难题，无需学习评估器或成功锚点即可实现步骤级监督。该方法通过 Evidence、Execution 和 Invalidity 评级评估动作诱导过渡，结合终端结果生成步骤级优势以优化策略。

来源：arXiv · AI · arxiv.org