arXiv Artificial Intelligence· Xiuhui Zhang, Ning Gao, Xingyu Jiang, Yihui Chen, Yuheng Pan, Mohan Zhang, Yue Deng·· 2 小时前AI 评分22
PRM4RL：用大语言模型为强化学习构建进度奖励模型
Progress Reward Model for Reinforcement Learning via Large Language Models
AI 导读
研究者提出 PRM4RL 框架，将复杂任务分解为简单子任务并设计细粒度进度函数，再基于势能奖励塑形构建进度奖励模型（PRM），为低层策略优化提供理论上的最优性与收敛保证。在机器人控制任务上，该方法优于基于 LLM 的规划与奖励方法，达到 SOTA，论文已被 NeurIPS 2025 收录，代码已开源。
来源：arXiv Artificial Intelligence · arxiv.org