跳到正文
arXiv · ML· Mengsong Wu, Tianchen Zhou, Zhaochen Su, Zhenhua Liu, Zhe Cui, Aimin Zhou·· 14 天前AI 评分28

AttnSR:基于注意力步奖励的长程智能体强化学习方法

AttnSR: Attention Step Reward for Long-Horizon Agentic RL

AI 导读

提出AttnSR方法,通过追踪策略模型注意力图估计早期步骤相关性,无需额外奖励模型即可实现步骤级奖励增强。 在Qwen2.5-7B-Instruct上的ALFWorld实验中,AttnSR将最终保留成功率从91.2%提升至97.1%,并在ScienceWorld中减少29.9%的环境交互。

来源:arXiv · ML · arxiv.org