arXiv · cs.AI· Hengbo Xiao, Boyao Zhang, Purui Liu, Yuxuan Zheng, Haoran Yin, Haibo Liu, Fan Zhang·· 1 天前
RewardWeaver：面向语言智能体长程交互的自演化奖励适应
RewardWeaver: Long-Horizon Interactive Learning for Language Agents via Self-Evolving Reward Adaptation
arXiv:2610.10120v1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：Hengbo Xiao, Boyao Zhang, Purui Liu, Yuxuan Zheng, Haoran Yin, Haibo Liu, Fan Zhang
首次提交：2026-10-07 22:04
研究任务与主要进展
作者提出RewardWeaver，用于解决语言智能体长程交互中的稀疏反馈与信用分配问题。框架在每个训练阶段根据低结果轨迹进行结果导向的反向归因，汇总反复出现且受策略控制的能力瓶颈，并为下一阶段动态选择过程奖励；超出既有能力空间的反复失败则触发受控扩展。
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