Ming Ma 团队发布 ProCredit 强化学习新框架

Ming Ma 等人于 2026 年 10 月 20 日发布 arXiv 论文，提出名为 ProCredit 的 Agentic 强化学习方法。该方法利用验证进度实现信用分配，并在 Qwen3.5 模型上进行了验证。 ProCredit 机制通过每轮重跑验收检查计算进度变化，将奖励精确归因至具体轮次，解决了长程任务失败轨迹缺乏训练信号的问题。消融实验证实仅添加最终进度分数无效，必须归因至具体轮次才有效。 在 AppWorld 任务中，该方法表现优于结果奖励基线。特别是在 4B 规模下，其任务完成率比最强基线高出 4.1 个百分点，显著提升了智能体在复杂环境中的推理能力。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。