arXiv · cs.CL 计算与语言· Xiao Feng, Bo Han, Zhanke Zhou, Jiaqi Fan, Jiangchao Yao, Ka Ho Li, Dahai Yu, Michael Kwok-Po Ng·2026-11-13 13:00· 5 小时前AI 评分65

RewardFlow：用状态图拓扑估计智能体强化学习中的动作级奖励

RewardFlow: Can Action-Level Reward Be Estimated from State-Graph Topology in Agentic RL?

AI 导读

作者提出 RewardFlow，把同一任务的多条轨迹通过共享状态连成有向状态图，从成功状态沿最短路径反向传播奖励信号，为动作分配随距离递减的状态势，用势差奖励缩短成功距离的动作，从而在策略优化中补充轨迹级优势，无需学习过程奖励模型或人工动作级标注。