arXiv cs.LG· Jiaju Chen, Min Yang, Jinghua Piao, Xiaochong Lan, Xu Xia, Xiangnan He, Yong Li·· 9 小时前AI 评分24
VETTA：为多轮 LLM 智能体协同回合级与 token 级信用分配
VETTA: Coordinating Turn- and Token-Level Credit Assignment for Multi-Turn LLM Agents
AI 导读
VETTA 通过共享轻量 critic 上的独立价值头，联合学习回合级与 token 级信用，并将回合优势与响应内中心化的 token 残差结合用于 PPO 更新。
来源：arXiv cs.LG · arxiv.org