大模型智能

专注于人工智能与大模型方向研究领域。 (wechat feed made by @ttttmr https://wechat2rss.xlab.app)

分类:ai覆盖:仅收录已发现链接或部分历史文章最近成功:2026-11-07 00:01文章数:72

终局奖励之后:从Apodex 1.1看长程 Agentic RL 如何分配credit

如果一个Agent用几十轮工具调用完成了一项任务,最后只得到一个0/1reward,这个reward应该怎样分配给前面的决策?这是长程AgenticRL中一个很核心、但也很容易被“最终成功率”掩盖的问题。

2026-09-03 00:00 · 摘要已收录,可打开文章获取原文内容