arXiv cs.AI· Litong Feng, Ji Qi, Yiran Cheng, Shaowu Pan, Xinyu Zhang, Qijun Li·· 11 小时前AI 评分38
Reward Engine：面向开放式工具智能体的奖励中心自进化方法
Reward Engine: Reward-Centric Self-Evolution for Open-Ended Tool Agents
AI 导读
Reward Engine 从任务和初始轨迹构建由测试用例与评分细则组成的 RewardPack，作为冻结奖励引导开放式工具智能体修正和选择输出，也可用于强化学习。
正文 · AI 翻译
摘要：开放式工具智能体可以通过不同的工具路径完成同一目标，其质量共同取决于交互轨迹、环境状态和最终产物，因此这类任务很少存在可执行的基准真值奖励。核心挑战因此在于：从已有经验中构建一种奖励，既能暴露当前策略的失败，又在优化过程中保持平稳。我们提出 Reward Engine，它像一个自我驱动的学生，先弄清成功需要什么，再朝此优化。它从任务和初始轨迹中构建 RewardPack，包含针对必要正确性的测试用例和针对分级质量的评分细则，每项都作为检查执行并返回带证据的判断。冻结后的 RewardPack 随后引导智能体修改和选择其输出，也可作为强化学习的奖励。在 WorkBuddy Bench Office 和 Claw-Eval 上，所构建的奖励与基准评分器基本一致，在 82.3\% 和 80.5\% 的候选对上未逆转其排序。用于修改执行结果时，它将三次运行一致性（$\mathrm{Pass}^{3}$）相对 Baseline 从 45.0\% 提升到 54.0\%，从 78.4\% 提升到 83.7\%。
| 评论： | 29 页 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.22915 [cs.AI] |
| （或本版本的 arXiv:2610.22915v1 [cs.AI]） | |
| https://doi.org/10.48550/arXiv.2610.22915 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Litong Feng [查看邮箱]
[v1]
2026 年 10 月 16 日星期五 04:25:34 UTC（13,246 KB）
来源：arXiv cs.AI · arxiv.org