GACA：长程 LLM 智能体信用分配
原文标题：Granularity-Adaptive Credit Assignment for Long-Horizon LLM Agent Reinforcement Learning
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 GACA，一种无评论家的估计器，其信用分配粒度随基于不确定性的关键性代理自适应变化。它按每步负对数似然混合步级与回合级优势，在 ALFWorld 与 WebShop 上于 1.5B 和 7B 规模均优于 GRPO 与 GiGPO。
- 问题
- 长程LLM智能体训练中，轨迹级标量奖励无法区分哪一步决策真正驱动结果。
- 方法
- 提出无评论家估计器GACA，用每步负对数似然作为关键性代理，自适应混合步级与回合级优势。
- 结果
- 在ALFWorld与WebShop上，1.5B和7B规模均优于GRPO与GiGPO。
- 影响
- 信用分配粒度自适应可提升长程智能体训练效率，为智能体RL后训练提供更细粒度的梯度信号。
深读 · 结论先行AI 生成展开看要点与影响 ↓
GACA按不确定性自适应调整信用分配粒度，在1.5B与7B上均超GRPO与GiGPO
- •针对长程任务中数十个动作后才有单一稀疏奖励的信用分配问题
- •用每步自身rollout记录的负对数似然作为关键性代理，无需评论家
- •按每步权重混合步级与回合级优势：NLL高于均值偏细粒度信号，低于均值偏回合级
- •在ALFWorld与WebShop上，1.5B和7B规模均优于GRPO与GiGPO
- •给出混合的风险分解，证明足够小的调制在正向对齐下优于固定混合
为什么重要：对训练长程LLM智能体的团队，这是对GRPO固定权重混合的直接改进思路，且附带理论条件。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。