RELACE：长时程语言Agent的信用估计新框架

Sayak Chakrabarti 与 Sathish Reddy Indurthi 提交预印本论文，提出 RELACE——一种面向长时程语言智能体的信用分配框架。该框架无需 critic，将回顾式动作评估与状态条件优势估计结合，通过 teacher-forced 似然评分比较动作在原始上下文与结果增强上下文下的差异，生成轨迹归一化的回顾因子来重加权折扣回报。 作者称，该方法无需辅助价值模型、奖励模型或额外自回归 rollout。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。