TRCA：面向长程LLM智能体的转移级评分信用分配

TRCA用转移级评分替代成功轨迹锚点做步级信用分配。

资讯摘要

论文提出TRCA方法，直接从动作引发的状态转移中推导步级监督，无需学习型评估器或成功轨迹锚点。它用Evidence、Execution、Invalidity三项评分判断每次转移，并据此生成Foundational与Breakthrough两种奖励，与终端结果结合形成细粒度步级优势。作者报告在ALFWorld、WebShop及七个搜索增强问答基准上优于所评估基线，Qwen2.5-7B-Instruct下WebShop分数提升6.0%-12.6%。

要点速读

1. TRCA不依赖过程评估器或成功轨迹锚点，直接从动作引发的转移中获取步级监督。
2. 方法以Evidence、Execution、Invalidity三项评分评估转移，并生成Foundational与Breakthrough奖励。
3. 作者报告在ALFWorld、WebShop和七个搜索增强问答基准上取得一致提升，Qwen2.5-7B-Instruct下WebShop分数提升6.0%-12.6%。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/24 08:00:37（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。