Self-Credit: Việc phân bổ tín dụng cho RL đại lý dài hạn thông qua tái quy mô trong nhóm

Đoạn trích bài viết

Các agent LLM thường được huấn luyện với RLVR, nhưng bản chất hiếm của các phần thưởng RLVR điển hình làm cho việc phân bổ tín dụng trở nên khó khăn, đặc biệt là cho các nhiệm vụ tầm xa.