Hugging Face · 每日论文· 媒体 / 作者来源·精选
Self-Credit：用组内重缩放为长程智能体强化学习分配信用
原文标题
Self-Credit: Credit Assignment for Long-Horizon Agentic RL via Intra-group Rescaling
AI 导读
针对RLVR奖励稀疏、长程任务难以分配信用的问题，作者提出Self-Credit：先让策略模型在 rollout 中生成带引用的摘要，标出关键证据所在轮次；再用同一提示下成功与失败轨迹的组内一致性重缩放这些引用，削弱错误信用、强化关键动作，并据此调整引用轮次的优势值。在BrowseComp-Plus上，Qwen3 8B与32B分别比基座高37.0和36.2分，比最强智能体RL基线高8.5和5.6分；GAIA与xBench-DeepSearch分别再高4.9和4.7分。
来源：Hugging Face · 每日论文 · arxiv.org
导读与选稿说明
提出无需额外标注的信用分配方法，在Qwen3 8B/32B上给出BrowseComp-Plus、GAIA、xBench-DepSearch的具体提升幅度，适用于长程工具型智能体RL训练研究。
导读由模型辅助整理，非独立核验。完整信息见原文。