SGR-OPSD: Aprendiendo de planes de subobjetivo con Asignación de Crédito Regularizada por Grafo para Aprendizaje por Refuerzo Agéntico

Resumen del corpus

Se presenta el marco SGR-OPSD para el aprendizaje por refuerzo agéntico, combinando supervisión de subobjetivos con evidencia de interacción para la asignación de crédito a nivel de turno. Este método utiliza planes de subobjetivo generados por LLM y un grafo de progreso para calibrar los pesos de crédito, logrando mejoras significativas sobre métodos previos como GRPO.