Hugging Face 每日论文·· 1 天前精选AI 评分57
DeltaTTG：用 Token-to-Go 进度计为多轮智能体训练分配逐步优势
DeltaTTG: Training Multi-Turn Agents with a Token-to-Go Progress Meter
AI 导读
DeltaTTG 提出用共享进度计学习可复用的进度信号，其监督目标 Token-to-Go（TTG）即任务完成前还需生成的 token 数，作为剩余完成努力的可观测代理，在不改变奖励的前提下重新分配各步优势。
推荐理由
论文用可复用的 Token-to-Go 进度信号替代昂贵的逐步评分，在三个基准上给出与 GRPO 的直接对比数字，便于评估多轮智能体训练的改进空间。
来源：Hugging Face 每日论文 · huggingface.co