回归定义：通过轨迹图估计 Agent 强化学习中的步骤级优势

英文标题：Back to the Definition: Estimating Step-Level Advantages via Trajectory Graphs for Agentic Reinforcement Learning

该论文提出利用轨迹图（Trajectory Graphs）估计 Agent 强化学习中的步骤级优势（step-level advantages）。论文关注 GRPO 及其变体等基于群组的强化学习方法，这类方法已成为训练推理型和 Agentic 大语言模型的重要范式。原文摘要指出，群组归一化优势估计在响应级训练中较为可靠，而该工作旨在进一步改善步骤级信用分配与优势估计。该研究可能为开发者训练具备复杂推理和工具调用能力的 Agent 提供更细粒度的强化学习优化方法。

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