HF Daily Papers·· 2 天前精选AI 评分41
DeltaTTG：用 Token-to-Go 进度信号训练多轮智能体
DeltaTTG: Training Multi-Turn Agents with a Token-to-Go Progress Meter
AI 导读
DeltaTTG 提出用 Token-to-Go（TTG，剩余待生成 token 数）作为进度信号训练多轮智能体，通过冻结的共享进度计在 RLVR 训练中将回合级优势重新分配到各步，不改变回报的符号与 token 平均尺度。
推荐理由
原文给出了用剩余 token 数作为进度信号的训练方法及多基准对比结果，读者可以据此判断它对多轮智能体 RLVR 的迁移价值。
来源：HF Daily Papers · huggingface.co