ProAS框架修复无critic强化学习信用分配

浙江大学、西湖大学与华为诺亚方舟实验室联合提出ProAS（Progress-Aware Advantage Shaping），用于修复多轮智能体无critic强化学习中的信用分配缺陷；论文报告，该框架提升了多轮智能体任务成功率和收敛速度。 ProAS是一种即插即用的优势塑形框架，不引入critic开销。面向多轮agentic强化学习时，它通过动态参考图标记不合理激励，并对惩罚进行非对称重分配，以改善信用分配效果。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。