TRACE: Turn-level Reward Assignment via Credit Estimation for Long-Horizon Agents
TRACE:通过信用估计进行长期奖励分配的回合级奖励分配
发表机构 * University of Wisconsin–Madison(威斯康星大学麦迪逊分校) ; Microsoft Research(微软研究院)
AI总结 研究针对多轮智能体训练后的信用分配难题,提出TRACE方法,通过特定状态转换、对数概率获取及转换等步骤进行奖励分配。该方法无需额外训练,在长期复杂搜索任务中显著提升基础模型工具使用能力,在基准测试中表现良好且学习曲线更佳。
Comments 26 pages