新方法给智能体训练按进度记分，称小模型提升4.1个百分点

一篇预印本提出ProCredit方法：把判定任务成败的验收检查改在每轮操作后的中间状态上重跑，按进度变化给每一轮记分，而不是只在任务结束时给一个结果奖励。

作者称，在AppWorld基准上用三个规模的Qwen3.5基座模型测试，该方法在每个规模上都超过结果奖励和进度类基线，4B规模超出最强结果奖励基线4.1个百分点；第二个环境的结果方向一致。消融显示，只把最终进度加进轨迹评分并无提升，收益来自把进度记到发生它的那一轮。

这一思路针对的是结果奖励的老问题：一组尝试全失败时没有训练信号，失败也分不出差多远。数字出自作者自测，摘要未给出第二环境的具体数值，能否推广待第三方复现。