arXiv · cs.AI· Mengsong Wu·· 20 小时前AI 评分34
AttnSR：用注意力步骤奖励改进长程智能体强化学习
AttnSR: Attention Step Reward for Long-Horizon Agentic RL
来源与原文
arXiv · cs.AI
作者：Mengsong Wu
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2611.07932v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
AttnSR 是一种步骤级奖励增强方法，通过回溯策略模型注意力图估计早期步骤与最终回答的相关性来分配奖励，无需单独训练奖励模型或额外 rollout。在 Qwen2.5-7B-Instruct 的对照实验中，AttnSR 在 ALFWorld 所有评测 checkpoint 上均优于 PPO 基线，最终留出集成功率从 91.2% 提升至 97.1%；在 ScienceWorld 上也提升每个 checkpoint 的表现，并将环境交互减少 29.9%。代码已开源。
来源：arXiv · cs.AI · arxiv.org
这条消息，你怎么看？
把新闻带到 MickerBook，和社区伙伴聊聊；也可以去 AIHER 看看模型背后的角色与梗。