Meta 提出 Self-Credit 智能体强化学习方法
热点事件持续更新
Meta 提出 Self-Credit 智能体强化学习方法
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Meta 发布论文，提出端到端智能体强化学习方法 Self-Credit，通过自生成信用、组内重缩放和优势重加权，将稀疏的结果奖励转化为稠密监督信号，用于解决长程任务中的信用分配问题。 论文实验显示，基于 Qwen3 8B 和 32B 的 Self-Credit 在 BrowseComp-Plus 上分别提高 37.0 分和 36.2 分，较最强智能体强化学习基线高 8.5 分和 5.6 分；在 GAIA 和 xBench-DeepSearch 上分别提升 4.9 分和 4.7 分。
AI 根据报道生成 · 2 小时前更新
最新进展10月21日 23:17
Meta 提出 Self-Credit：稀疏奖励下智能体 RL 的信用分配新解法报道时间线
沿着报道，了解事件的不同侧面。
10月21日
- AGI HuntMeta 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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。