AttnSR：用注意力步级奖励改进长程智能体强化学习

AttnSR 是一种步级奖励增强方法，通过训练回放中提取的策略注意力分配奖励，无需单独训练奖励模型或额外 rollout。在 Qwen2.5-7B-Instruct 的对照实验中，AttnSR 在 ALFWorld 所有评估 checkpoint 上均优于 PPO 基线，最终留出成功率从 91.2% 提升至 97.1%。