HuggingFace Daily Papers（社区热门论文）·· 2026-09-03AI 评分42
DRACO：用动态评分标准做长程智能体训练的细粒度信用分配
DRACO: Fine-Grained Credit Assignment with Dynamic Rubrics for Long-Horizon Agent Training
AI 导读
DRACO 提出在结果信号缺失的长程智能体训练中，动态生成评分标准并按轨迹打分，再把判断以闭式方法重分配到相关步骤，在 GRPO 中产生差异化逐步优势，不引入任何训练的归因模块。
整理与数据来源：AIHOT
来源：HuggingFace Daily Papers（社区热门论文） · arxiv.org