跳到正文
Hugging Face Daily Papers·· 25 天前AI 评分68

ProAS:一种用于多轮代理强化学习的进度感知优势塑造框架

ProAS: A Progress-Aware Advantage Shaping Framework for Multi-Turn Agentic Reinforcement Learning

AI 导读

针对无批评者算法(如 GRPO)存在的均匀信用分配难题,本文提出 ProAS 框架,利用动态演化的代理参考图实现细粒度信用分配。实验表明该方法在 Qwen2.5-1.5B-Instruct 和 Qwen2.5-7B-Instruct 上分别将 ALFWorld 任务成功率提升至 91.9% 和 94.3%,WebShop 任务达到 66.7% 和 70.8%,并将训练收敛速度提升约 2.44 倍。

来源:Hugging Face Daily Papers · arxiv.org