到达还是解决？用检查点交接归因 Agent 强化学习增益

英文标题：Reach or Solve? Attributing Agentic RL Gains with Checkpoint Handoffs

该论文探讨如何通过检查点交接（checkpoint handoffs），区分 Agent 强化学习带来的“到达”能力与真正“解决问题”能力的提升。原文指出，强化学习已可训练语言模型 Agent 在真实环境中连续执行数十步操作，且相关性能增益通常被解读为决策能力改善。由于闭环 Agent 会自行生成后续输入，每一步观察都受到此前行为影响，因此评估增益的来源需要更细致的归因方法。该研究对开发者评估 Agentic RL 的真实有效性，以及行业理解长程任务指标具有参考价值。

2.1 KB 640 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB