arXiv · cs.AI· Xiuhui Zhang, Ning Gao, Xingyu Jiang, Yihui Chen, Yuheng Pan, Mohan Zhang, Yue Deng·· 6 小时前
PRM4RL：通过大语言模型为强化学习引入进度奖励模型
Progress Reward Model for Reinforcement Learning via Large Language Models
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Xiuhui Zhang, Ning Gao, Xingyu Jiang, Yihui Chen, Yuheng Pan, Mohan Zhang, Yue Deng
期刊信息（来源提供）：Advances in Neural Information Processing Systems 38, 100745-100772 (2025)
研究任务与主要进展
Xiuhui Zhang等人提出PRM4RL，将大语言模型的任务规划与面向子任务的密集奖励结合，用于处理稀疏奖励下的长时程强化学习任务。该方法用进度函数构建Progress Reward Model，并基于势函数式奖励塑形提供最优性与收敛性保证；作者报告其在机器人控制任务中优于大语言模型规划和奖励方法并达到当前最佳性能。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org