arXiv · cs.CL· Xin Wang·· 25 天前AI 评分42
AdaStep：面向智能体强化学习的自适应步骤信用加权方法
AdaStep: Adaptive Step Credit Weighting for Agentic Reinforcement Learning
来源与原文
arXiv · cs.CL
作者：Xin Wang
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/2610.03223v1
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
AdaStep 是一种用于长程 LLM 智能体强化学习的自适应步骤信用加权方法，通过推导逐状态收缩系数来控制局部优势对轨迹级信号的修正强度，在回报变化来自所选动作时保留局部信用、被下游随机性主导时加以抑制。该方法无需 critic、额外 rollout 或额外推理，仅靠轻量标量计算，在 ALFWorld、WebShop 和 ScienceWorld 上使用三个模型骨干均取得一致优于基线的结果。
来源：arXiv · cs.CL · arxiv.org