AEM：无监督信用分配方法提出

2026年10月30日，arXiv Artificial Intelligence 刊出由 Haotian Zhao 等作者提出的 AEM 方法。据该报道，AEM 是一种无需额外监督的信用分配方法，面向多轮智能体强化学习，通过在强化学习训练中自适应调制熵动态，改善探索与利用的平衡；该方法将熵动态从 token 级提升到响应级，并据此重缩放优势值。报道称，在 ALFWorld、WebShop 和 SWE-bench-Verified 上，1.5B 至 32B 模型均取得稳定提升；集成到某软件工程强化学习训练框架时增益为 +1.4%。上述效果与适用范围均来自该篇报道，尚无其他跟进报道可交叉印证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。