ProAS: Khung định hình lợi thế nhận biết tiến trình cho học tăng cường agentic đa lượt

Đoạn trích bài viết

Học tăng cường (RL) đã nổi lên như mô thức hàng đầu để tối ưu hóa các agent Mô hình Ngôn ngữ Lớn (LLM), tuy nhiên các thuật toán không cần phê bình (critic-free) hiệu quả (ví dụ: GRPO) lại gặp phải tình thế tiến thoái lưỡng nan cơ bản về việc phân bổ đóng góp đồng đều khi truyền các lợi thế cấp quỹ đạo như nhau tới tất cả các hành động.