AgentPRM: Process Reward Models for LLM Agents via Step-Wise Promise and Progress
WWW 2026:为 LLM Agent 设计同时衡量步骤长期价值与局部进展的过程奖励模型。 当 Agent 在网页、游戏或工具环境中执行多步任务时,单个动作往往没有明确的对错标签。一个动作可能暂时偏离目标,却是后续成功的必要准备;另一个动作看起来接近目标,却可能把系统带入死路。只在任务结束后判断成功与否(ORM),又
THE NOTEBOOK
论文阅读、工程实践,以及值得留下的思考。
共 1 篇博客
订阅 RSS ↗WWW 2026:为 LLM Agent 设计同时衡量步骤长期价值与局部进展的过程奖励模型。 当 Agent 在网页、游戏或工具环境中执行多步任务时,单个动作往往没有明确的对错标签。一个动作可能暂时偏离目标,却是后续成功的必要准备;另一个动作看起来接近目标,却可能把系统带入死路。只在任务结束后判断成功与否(ORM),又