SGR-OPSD 框架论文发布

arXiv 于 2026 年 11 月 2 日首发论文，提出 SGR-OPSD 框架。该框架结合子目标监督与交互证据，实现轮级信用分配，旨在提升智能体强化学习效果。 框架利用 LLM 生成子目标计划提供动作级指导，并构建子目标进度图校准教师信用权重。测试基于 Qwen2.5-3B 和 7B 模型，在 ALFWorld、WebShop 和 Search-QA 任务上表现优于 GRPO 及强自蒸馏基线。 实验结果显示，SGR-OPSD 成功率高出 GRPO 最多 7.4 个百分点，在 ALFWorld 任务中达成 85.8% 的成功率，证明其在提升智能体规划与执行能力上的有效性。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。