DRACO：用动态评分标准为长时程智能体训练做细粒度信用分配
DRACO: Fine-Grained Credit Assignment with Dynamic Rubrics for Long-Horizon Agent Training
阅读原文
本站未展示全文，请前往来源网站阅读。
AI 导读
DRACO 提出一种基于动态评分标准（rubric）的信用分配方法，用于无真值成功信号的长时程智能体训练：训练中动态生成 rubric 以跟踪策略能力变化，每条完整轨迹评分一次，再将判断以闭式解重新分配到各步骤，在 GRPO 中产生差异化的逐步优势，且不引入额外训练归因模块。
来源：Hugging Face Daily Papers · arxiv.org