09:06
官方账号arXiv cs.LG@Chenyu Zhou, Qiliang Jiang, Shuning Wu, Xu Zhou
精选
推荐理由：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。
ToolACE-2-8B
共 1 条相关 AI 资讯
9月3日
09:06
该研究针对多轮智能体强化学习中的信用分配问题，提出了验证器信息密度V_d = k/C的概念。在tau^2-bench基准测试中，连续密集奖励优于稀疏二元结果奖励，在4/5的种子上表现更好。研究显示，终端状态验证导致98%的运行中可观察信号 collapses 到单个最终写入回合(k=1)，而成功需要5-8步的先决工具调用链。