arXiv · ML· Prathap Selvakumar·· 6 小时前AI 评分33
VCBM 通过检索加权信用分配优化延迟奖励强化学习
Visual Causal-chain Bookmarking: Retrieval-Weighted Credit Assignment for Reinforcement Learning from Delayed Reward
AI 导读
视觉因果链书签（VCBM）在 20 个种子中平均 1,532.3 集收敛至 95.07% 正确率，优于 RUDDER 基线的 3,327.1 集。 在部分可观测的 AppWorld 语言环境中，VCBM 结合 LOOP 训练 Qwen2.5-7B-Instruct，任务成功率从 0.354 提升至 0.458。 该方法在计算受限条件下展示了在更复杂的自然语言尺度上的可行性。
来源：arXiv · ML · arxiv.org