Newest papers

Self-Credit: Credit Assignment for Long-Horizon Agentic RL via Intra-group Rescaling

Fangcong Yin, Ming Yin, Tanvi Bhandarkar, Aashu Singh, Eryk Helenowski, Shlok Kumar Mishra, Saghar Hosseini, Karthik Abinav Sankararaman · 2026 · arXiv

DOI: 10.48550/arXiv.2610.28388 · open-access PDF

German

LLM-Agenten werden in der Regel mit RLVR ausgebildet, aber die spärliche Natur der typischen RLVR-Belohnungen macht die Zuweisung von Krediten herausfordernd, insbesondere für langfristige Aufgaben. Wir schlagen Self-Credit vor, eine End-to-End-Agent RL-Methode, die dichte Überwachungssignale aus spärlichen Ergebnisbelohnungen mit selbsterzeugter Credit-Zuweisung über In-Group-Rescaling erzeugt. Self-Credit baut auf gruppenbasierter RL mit drei Komponenten auf. Erstens erzeugt das Modell während seiner Ausführung Zusammenfassungen mit Zitaten zu früheren Wendungen, die kritische Beweise enthalten, die als selbsterzeugtes Credit dienen. Zweitens verfeinern wir diesen Mo

Machine translation (Meta M2M100); the English original follows.

Abstract

LLM agents are commonly trained with RLVR, but the sparse nature of typical RLVR rewards makes credit assignment challenging, especially for long-horizon tasks. We propose Self-Credit, an end-to-end agentic RL method that creates dense supervision signals from sparse outcome rewards using self-generated credit assignment via intra-group rescaling. Self-Credit builds on group-based RL with three components. First, during its rollouts, the policy model generates summaries with citations to earlier turns containing critical evidence, which serve as self-generated credit. Second, we refine this mo

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange