Hugging Face Daily Papers·· 2 天前精选AI 评分52
ProAS：面向多轮智能体强化学习的进度感知优势塑形框架
ProAS: A Progress-Aware Advantage Shaping Framework for Multi-Turn Agentic Reinforcement Learning
AI 导读
ProAS 是一个可插拔框架，用动态演进的 Agentic Reference Graph（ARG）实现细粒度信用分配，通过 Masking Unreasonable Incentives（MUI）与 Asymmetric Penalty Redistribution（APR）缓解无 critic 算法（如 GRPO）把轨迹级优势均摊到所有动作的问题。
推荐理由
针对无 critic 强化学习里轨迹级优势均摊的问题，给出可插拔的细粒度信用分配方案，并附多任务成功率与收敛速度数据。
来源：Hugging Face Daily Papers · huggingface.co