ConCal 提出并验证

2026年10月28日，Yingjian Chen等人在arXiv上发布了ConCal方法。该递归延续价值估计器旨在解决长时程智能体强化学习中的局部信用分配失真问题。ConCal通过匹配访问状态并整合共享延续证据，有效减少了对单次采样延续的依赖。该方法无需进行额外的rollout即可优化策略。 在Qwen2.5-1.5B-Instruct模型上，ConCal展现了优越的性能。实验结果显示，在ALFWorld任务中，其成功率比GiGPO高出3.39个百分点；在WebShop任务中，成功率则比GiGPO高出5.86个百分点。相关代码已公开，便于后续研究与复现。

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。