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

French

Les agents LLM sont généralement formés avec RLVR, mais la nature rareté des récompenses RLVR typiques rend l'attribution de crédit difficile, en particulier pour les tâches à long terme. Nous proposons Self-Credit, une méthode d'agent RL d'un bout à l'autre qui crée des signaux de surveillance dense à partir de récompenses de résultat rares en utilisant l'attribution de crédit auto-générée via la réévaluation intra-groupe. Self-Credit se fonde sur une RL basée sur le groupe avec trois composants. Premièrement, lors de ses déploiements, la politique de modèle génère des résumés avec des citations à des tours antérieurs contenant des preuves critiques, qui servent de crédit auto-g

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