HuggingFace Daily Papers·· 17 天前AI 评分58
ProAS：面向多轮智能体强化学习的进度感知优势塑形框架
ProAS: A Progress-Aware Advantage Shaping Framework for Multi-Turn Agentic Reinforcement Learning
AI 导读
ProAS 是一个可插拔的进度感知优势塑形框架，通过动态演化的 Agentic Reference Graph（ARG）实现细粒度信用分配，缓解 GRPO 等无评论家算法将轨迹级优势均分给所有动作的问题。
来源：HuggingFace Daily Papers · huggingface.co