浙大联合华为提出 ProAS：修复无 critic 强化学习的信用分配缺陷

浙江大学、西湖大学与华为诺亚方舟实验室提出即插即用优势塑形框架 ProAS，用于修复 GRPO 等无 critic 算法把轨迹级优势均匀广播到所有动作的「均匀信用分配困境」。该方法用动态参考图标记不合理激励，并对惩罚进行非对称重分配，无需引入 critic 开销。论文报告多轮 agent 任务的成功率与收敛速度均有提升，且可与现有无 critic RL 算法结合。