SLCA-GRPO：解决工具调用RL中的跨段信用错配
原文标题：SLCA-GRPO: Resolving Cross-Segment Credit Misattribution in Tool-Calling RL
重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
工具调用智能体输出混合了结构化工具调用与自然语言总结，GRPO将轨迹级标量优势广播到所有token，导致总结生成的梯度噪声污染工具决策token。论文提出SLCA-GRPO，在单组rollout内按结构段解耦优势估计，配合分层奖励将执行优势路由到工具token、偏好优势路由到总结token。在7B模型上于BFCL提升1.36个百分点，τ²-Bench提升9.15个百分点。
- 问题
- 工具调用 RL 中，GRPO 把轨迹级优势广播到所有 token，导致总结梯度污染工具决策。
- 方法
- 提出 SLCA-GRPO，在单组 rollout 内按结构段解耦优势估计，用分层奖励把执行优势路由到工具 token、偏好优势路由到总结 token。
- 结果
- 7B 模型上 BFCL 提升 1.36 个百分点，τ²-Bench 提升 9.15 个百分点，域内评测提升 2.53 个百分点。
- 影响
- 为工具调用智能体的 RL 训练提供更干净的信用分配方案，可直接用于提升函数调用与多轮工具任务表现。
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。