SLCA-GRPO：解决工具调用强化学习中的跨片段信用误归因

英文标题：SLCA-GRPO: Resolving Cross-Segment Credit Misattribution in Tool-Calling RL

该论文题为《SLCA-GRPO：解决工具调用强化学习中的跨片段信用误归因》，发表于 arXiv:2609.29050v1，公告类型为新增论文。论文关注工具调用 Agent 在输出中交错生成结构化工具调用与面向用户的自然语言总结时，标准在线强化学习（RL）可能出现的结构性问题。其核心议题是跨输出片段的奖励信用误归因，这一问题会影响工具调用 Agent 的训练质量与优化稳定性。该研究对构建能够可靠使用 API、工具和多步骤工作流的 Agent 具有参考意义。

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