arXiv · cs.AI· Zechuan Wang, Siyuan Lu, Hongxuan Zhang, Linjian Mo, Chenyi Zhuang, Leilei Gan·· 6 小时前
CrEST通过验证器锚定的信用分配改进多轮多步LLM智能体
Teach the Magnitude, Not the Direction: Verifier-Anchored Credit Assignment for Multi-Turn Multi-Step LLM Agents
arXiv:2608.13179v2阅读论文 PDF ↗
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：Zechuan Wang, Siyuan Lu, Hongxuan Zhang, Linjian Mo, Chenyi Zhuang, Leilei Gan
研究任务与主要进展
研究者提出CrEST，用于解决RLVR在多轮工具使用代理中将不同轮次结果合并为单一奖励、导致轮间信用稀释的问题。该框架用轮次分段的验证器优势分配轮间信用，并以熵门控的自教师调制令牌贡献；摘要称其在BFCL V3和WildToolBench、两种模型规模上持续优于RL与蒸馏基线，长轨迹和严格会话级指标收益最大。
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