arXiv · cs.AI· Yu Li·· 25 天前AI 评分42
DepGPO：面向终端智能体的依赖感知策略优化方法
Credit Where It Matters: Dependency-Aware Policy Optimization for Terminal Agents
来源与原文
arXiv · cs.AI
作者：Yu Li
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/2610.03634v1
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
arXiv 论文提出依赖感知组策略优化方法 DepGPO，用于改进终端智能体在多步任务中的强化学习信用分配。该方法从执行轨迹构建命令依赖图，从任务验证器检查的资源反向追溯，沿路径为相关写入及其支撑读取分配信用，并据此重分配轨迹优势。实验与消融表明其能提升复杂终端任务的表现和训练稳定性。
来源：arXiv · cs.AI · arxiv.org