资讯1 分钟阅读·
智能体训练按验证进度记分，小模型自报提升4.1个百分点
进度可像结果一样被验证，失败尝试也能产生训练信号；数字出自作者自测，待第三方复现。
重要性局部证据E2 未复现写法快讯
ProCredit方法让智能体训练的每一轮都能按验证过的进度记分：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，而不是只在任务结束时给一个结果奖励，作者称4B规模模型在AppWorld上超出最强结果奖励基线4.1个百分点。
此前结果奖励的老问题是：一组尝试全失败时没有训练信号，失败也分不出差多远。
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；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。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。