arXiv Artificial Intelligence· Kaijie Zhu, Weixiang Yan, Omar Attia, Abbas Kazerouni, Alexander Toshev, Andrew Szot·2026-10-15 12:00· 18 小时前AI 评分25

LVRL：用 LLM 价值函数为智能体强化学习做信用分配

LLM Value Functions for Credit Assignment in Agentic RL

AI 导读

研究者提出 LLM Value Function RL（LVRL），利用预训练 LLM 的上下文学习能力估计策略感知的状态价值，无需微调独立 critic，并通过初始与终止状态的已知价值校准预测，实现步级信用分配。