AdaStep：自适应步级信用加权方法提出

Xin Wang 等作者提出 AdaStep，一种面向智能体强化学习的自适应步级信用加权方法，用于控制组内局部优势对轨迹级信号的修正强度。该方法将权重求解建模为潜在步级优势的均方误差估计问题，在显式条件采样假设下推导出最优的逐状态收缩系数。 据作者称，AdaStep 仅需轻量标量计算，无需 critic、额外 rollout 或额外模型推理。在 ALFWorld、WebShop 和 ScienceWorld 上，三种模型骨干的实验均以低计算成本稳定超越基线。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。