HF Daily Papers·· 3 天前精选AI 评分47
ProAS：面向多轮智能体强化学习的进展感知优势塑形框架
ProAS: A Progress-Aware Advantage Shaping Framework for Multi-Turn Agentic Reinforcement Learning
AI 导读
ProAS提出用于LLM智能体多轮强化学习的即插即用框架，通过动态参考图实现细粒度信用分配。在Qwen2.5-1.5B-Instruct和Qwen2.5-7B-Instruct实验中，ALFWorld峰值成功率分别为91.9%和94.3%，WebShop分别为66.7%和70.8%，训练收敛最多加速2.44times。
推荐理由
ProAS将动态参考图、屏蔽不合理激励与非对称惩罚重分配结合，提供了改进多轮智能体强化学习信用分配的方案。
来源：HF Daily Papers · huggingface.co