热点事件持续更新
浙大等提出ProAS改善无critic强化学习信用分配
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月27日，AGI Hunt 报道浙江大学、西湖大学与华为诺亚方舟实验室联合提出即插即用的优势塑形框架 ProAS，用于修复 GRPO 等无 critic 强化学习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 的额外开销。论文报告称，ProAS 在多轮 agent 任务上提升了成功率与收敛速度，且可与现有无 critic RL 算法结合使用。目前仅有上述一篇报道，尚无更多实验细节或第三方复现信息。
AI 根据报道生成 · 3 小时前更新
最新进展10月27日 12:17
ProAS 首次被报道：用动态参考图与非对称惩罚重分配修复无 critic RL 的信用分配。报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- AGI Hunt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。
本事件热度走势
当前热度 9·可比范围峰值 10（10月27日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。