摘要
针对图形用户界面（GUI）智能体在长程随机环境中强化学习反馈稀疏的问题，本文提出 StainFlow 过程奖励模型。该方法受网络流分析启发，包含全局实体染色追踪模块，通过监测任务实体状态演变客观划分任务阶段；以及局部染色证据链接模块，动态构建高密度证据窗口以精准验证关键节点。实验表明，该方法显著提升了在线强化学习的成功率及轨迹完成判断的准确性。
AI 推荐理由
提出过程奖励模型优化长程任务分解与关键节点验证，核心解决规划中的信用分配问题。
研究机构
北京工业大学
北京大学
西北工业大学
中国科学院软件研究所
国家自然科学基金委员会
清华大学
论文信息