arXiv · cs.AI · Shu Liu, Yang Chong, WenShi Chen, Man Lan · 11 小时前模型评分37
SGR-OPSD：用子目标计划与图正则化信用分配提升智能体强化学习
SGR-OPSD: Learning from Subgoal Plans with Graph-Regularized Credit Assignment for Agentic Reinforcement Learning
导读
研究者提出 SGR-OPSD，把大语言模型生成的子目标计划转成优势权重，并用子目标进度图校准教师信用分配，用于智能体强化学习的回合级信用分配。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “To address these limitations, we propose Subgoal-Guided Graph-Regularized OPSD (SGR-OPSD), a framework that combines subgoal supervision with interaction-derived evidence for turn-level credit assignment.”
来源：arXiv · cs.AI · arxiv.org