Meta 提出 Self-Credit：稀疏奖励下智能体 RL 的信用分配新解法

Meta 提出端到端的智能体 RL 方法 Self-Credit，通过自生成信用、组内重缩放和优势重加权，从稀疏结果奖励中构造稠密监督信号，改善长程智能体任务的信用分配。基于 BrowseComp-Plus，Qwen3 8B/32B 分别提升 37.0/36.2 分，超过最强智能体 RL 基线 8.5/5.6 分；GAIA 提升 4.9 分，xBench-DeepSearch 提升 4.7 分。