ProAS：多轮智能体强化学习优势塑形框架

2026年10月15日，arXiv Artificial Intelligence 刊出 Bowen Ding 等作者的论文预印本，提出 ProAS（Progress-Aware Advantage Shaping）框架。该工作针对 GRPO 等无 critic 算法将轨迹级优势均分给所有动作的问题，提出一种即插即用方案：利用动态演化的 Agentic Reference Graph（ARG）实现细粒度信用分配，具体包含 Masking Unreasonable Incentives（MUI）与 Asymmetric Penalty Redistribution（APR）两个机制。论文摘要称该设计在引入 critic 开销之外解决上述信用分配问题，并给出代码链接（Codes: this https URL）。截至该报道，事件仍处于预印本发布阶段，尚无后续跟进报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。