热点事件持续更新
SHARPO：智能体强化学习段级信用分配机制
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
2026年10月3日，arXiv cs.LG 分类发布论文提出 SHARPO，一种面向智能体强化学习的段级信用分配机制。该方法通过计算每个环境交互段内的教师-学生对数概率差，对 GRPO 优势值施加有界乘数，使信用可在不同段间差异化分配。基于 Qwen2.5-7B-Instruct，SHARPO 在 ALFWorld 和 WebShop 基准上优于 GRPO、SDAR、RLSD 和 StepOPSD 等基线。目前报道仅涉及方法提出与基准评测结果，尚无后续进展信息。
AI 根据报道生成 · 1 小时前更新
最新进展10月3日 12:00
SHARPO 论文发布，在 ALFWorld 和 WebShop 上优于 GRPO 等基线。报道时间线
沿着报道，了解事件的不同侧面。
10月3日
- arXiv：cs.LG（机器学习，全量分类）SHARPO：面向智能体强化学习的段级信用分配机制
SHARPO 是一种面向智能体强化学习的段级信用分配机制，通过计算每个环境交互段内的教师-学生对数概率差，对 GRPO 优势值施加有界乘数，使信用可在不同段间差异化分配。基于 Qwen2.5-7B-Instruct，SHARPO 在 ALFWorld 和 WebShop 基准上优于 GRPO、SDAR、RLSD 和 StepOPSD 等基线。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。