arXiv Artificial Intelligence· Bowen Ding, Mingda Wan, Yuhan Chen, Jiyao Yuan, Qi Zhu, Futing Wang, Heyuan Deng, Fei Mi, Lifeng Shang, Tao Lin·· 18 小时前AI 评分24
ProAS：面向多轮智能体强化学习的进度感知优势塑形框架
ProAS: A Progress-Aware Advantage Shaping Framework for Multi-Turn Agentic Reinforcement Learning
AI 导读
针对 GRPO 等无 critic 算法将轨迹级优势均分给所有动作的问题，ProAS 提出即插即用框架，用动态演化的 Agentic Reference Graph（ARG）实现细粒度信用分配，包含 Masking Unreasonable Incentives（MUI）与 Asymmetric Penalty Redistribution（APR）。
来源：arXiv Artificial Intelligence · arxiv.org