**APPO：智能体程序化策略优化**

_APPO: Agentic Procedural Policy Optimization_

> 现有智能体强化学习方法通常在粗粒度的工具调用边界分配信用，但研究表明有影响力的决策点广泛分布于生成序列中。APPO通过结合令牌不确定性与策略似然增益的分支分数，实现精细决策点的分支选择，并引入过程级优势缩放来改进信用分配。在13项基准测试中，APPO将强基线提升近4个点，同时保持高效工具调用与行为可解释性。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-15 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.12384)