**ProAS：无需价值网络的进度感知优势塑形框架，刷新多轮智能体强化学习 SOTA**

_ProAS: A Progress-Aware Advantage Shaping Framework for Multi-Turn Agentic Reinforcement Learning_

> 针对现有无价值网络强化学习算法（如 GRPO）存在的“统一信用分配”缺陷，研究提出了 ProAS 框架。该框架通过构建动态演化的智能体参考图（ARG），利用“屏蔽不合理激励”和“非对称惩罚重分配”策略，实现了细粒度的信用分配。实验表明，ProAS 在 ALFWorld 和 WebShop 等基准测试中全面超越了主流基线，成功率最高达 94.3%，且训练收敛速度提升了 2.44 倍。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-10-27 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.18683)