arXiv·· 12 天前AI 评分31
RELACE：面向长程语言智能体的回顾式似然动作信用估计
RELACE: retrospective likelihood-based action credit estimation for long-horizon language agents
AI 导读
RELACE 是一个无需 critic 的框架，用于长程语言智能体的动作信用估计。针对 GRPO 轨迹级监督粗糙、终端奖励无法定位错误的问题，以及 GiGPO 等状态条件对比方法仍受下游决策与结果影响，RELACE 采用回顾式似然方法进行信用估计。
来源：arXiv · arxiv.org