研究者发布AttnSR步骤级奖励增强方法论文

Mengsong Wu 等研究者在 arXiv 提交论文，提出 AttnSR——一种面向长程智能体强化学习的步级奖励增强方法。该方法从策略模型训练回放中提取注意力来分配步级奖励，无需单独训练奖励模型，也无需额外 rollout。论文附有代码链接。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。