跳到正文
Hugging Face Daily Papers·· 2026-10-20精选AI 评分78

Self-Credit:基于组内重缩放的长视界代理强化学习信用分配

Self-Credit: Credit Assignment for Long-Horizon Agentic RL via Intra-group Rescaling

AI 导读

针对长视界任务中稀疏奖励导致的信用分配难题,本文提出 Self-Credit 方法,利用策略模型生成的带引用摘要作为自生信用信号,并通过比较同一提示下成功与失败轨迹的引用动作进行组内重缩放以剔除不当信用。

推荐理由

提出 Self-Credit 方法,通过组内重缩放将稀疏奖励转化为稠密监督信号,在 BrowseComp-Plus 等基准上显著优于基线。

来源:Hugging Face Daily Papers · arxiv.org