浙江大学、西湖大学与华为诺亚方舟实验室联合提出 ProAS：修复无 critic 强化学习的信用分配缺陷

浙江大学、西湖大学与华为诺亚方舟实验室联合提出 ProAS，以修复无 critic 强化学习中的均匀信用分配缺陷。ProAS 面向多轮 agentic 强化学习，利用动态参考图标记不合理激励并对惩罚进行非对称重分配，无需引入 critic 开销；论文报告其提升了多轮 agent 任务成功率与收敛速度。