arXiv · AI· Yi Wen, Hao Chen, Wanyu Wang, Maolin Wang, Pengyue Jia, Derong Xu, Huize Tan, Yingyi Zhang, Wenlin Zhang, Weihong Luo, Xiku Du, Xiangyu Zhao·· 4 小时前AI 评分20
TrajEvolve：基于后见之明信用分配的轨迹进化强化学习方法
TrajEvolve: Trajectory Evolution for Reinforcement Learning with Hindsight Credit Assignment
AI 导读
提出 TrajEvolve 轨迹进化范式，结合后见之明信用分配优化 LLM 强化学习。 通过细化历史轨迹生成进化轨迹，并将步骤级信用分配重构为二分类任务以识别冗余步骤。 该方法在两个数据集上的实验证明了其优越性，论文已被 NeurIPS 2026 接收。
来源：arXiv · AI · arxiv.org