#信用分配

共 11 条 · 7 天 2 条 · 30 天 3 条

智能体 4 GRPO 2 强化学习 2 AdaStep 1 ALFWorld 1 BrowseComp-Plus 1 DRACO 1 ProVer 1

信息流里打上「信用分配」标签的资讯、产品与论文，按刊登时间排，新的在上。

10月7日

论文 Agent 与开发者精选13:28

RSI训练中的信用分配问题

AI训练中的基础问题研究，提出解决超大规模异步训练信用分配的新思路

#RSI #信用分配 #异步训练 #反向传播

Teortaxes@teortaxesTex原文

10月5日

论文 Agent 与开发者22:02

AdaStep：用自适应步级权重改进智能体强化学习训练

训练长程智能体的朋友可以看看这篇，它解决了步级信用分配噪声大的问题，而且不用加 critic，成本很低，在 ALFWorld 等三个环境都有提升。

#AdaStep #智能体 #强化学习 #信用分配

arXiv cs.LG@Xin Wang 等 6 人原文

10月2日

论文 Agent 与开发者多源确认精选16:15

ProVer论文解决智能体RL信用分配问题

ProVer论文用LLM评判者解决智能体RL的信用分配问题，比GRPO方法提升近10%，论文已发布在arxiv。

#ProVer #GRPO #Qwen3.5 #智能体

事件专题

elvis@omarsar03 个信源在谈原文

9月4日

论文精选73°11:18

DRACO：动态评分细粒度信用分配

IBM发布DRACO，解决长周期智能体训练中信用分配问题，无需验证器就能提升15.9分。

#DRACO #GRPO #智能体 #信用分配

arXiv cs.LG@Shubham Gandhi 等 4 人原文

9月3日

论文精选09:06

多轮智能体信用分配的结构性研究

论文发现多轮智能体信用分配中，均匀奖励分配比针对性分配更有效，颠覆了传统认知。

#智能体 #信用分配 #tau^2-bench #ToolACE-2-8B

arXiv cs.LG@Chenyu Zhou 等 4 人原文

7月16日

论文11:20

TRACE：通过信用估计实现长程智能体回合级奖励分配

想解决Agent长程任务奖励稀疏问题？看TRACE方法，无需额外批评器，用TD变化给每步打分，Qwen3在BrowseComp-Plus上从7分直接跳到35分。

#TRACE #Qwen3 #BrowseComp-Plus #信用分配

arXiv cs.LG@Leitian Tao 等 8 人原文

6月29日

论文10:09

价值约束信用分配：完全委托AI合作组织中的奖励机制

这篇论文提出了一个在AI合作组织中公平分配奖励的框架，用遍历学习替代传统联邦学习，更精细地追踪每个数据贡献者的价值。

#value-constrained credit assignment #traversal learning #联邦学习 #信用分配

arXiv cs.AI@Young Yoon 等 3 人原文

6月11日

论文精选72°11:09

APPO：细粒度决策点强化学习提升AI智能体工具调用能力

做AI智能体强化学习的团队终于有了更精细的信用分配方法——APPO在13个基准上稳定提升4个点，且不牺牲效率，做多轮工具调用优化的开发者值得一试。

#强化学习 #智能体 #工具调用 #信用分配

arXiv cs.AI@Xucong Wang 等 8 人原文

6月5日

论文精选12:12

RREDCoT：为推理模型实现分段奖励再分配

做推理模型RL微调的团队终于有了降低训练方差的实际方案——RREDCoT用模型自身做信用分配，省去额外生成成本，长上下文场景下效果显著，值得关注。

#推理模型 #强化学习 #奖励再分配 #思维链

arXiv cs.AI@Mykyta Ielanskyi 等 4 人原文

6月4日

论文72°11:01

DistIL：用分布化DAgger实现丰富反馈的强化学习

DistIL解决了RLVR只利用最终答案信号的局限，让模型能从执行过程和专家反馈中学习，做推理模型和编程助手的团队值得关注这一新范式。

#强化学习 #DAgger #丰富反馈 #推理模型

arXiv cs.AI@Rishabh Agrawal 等 3 人原文

5月14日

论文中美对照精选13:37

BaichuanAI 发布 SPAR 强化学习新方法：分阶段优化减少幻觉

做 RLHF 或大模型对齐的团队，SPAR 直接解决了信用分配模糊的痛点，值得深入研究其分阶段优化思路。

#强化学习 #幻觉优化 #信用分配 #BaichuanAI

官方账号百川智能 Baichuan@BaichuanAI原文