NTU提出DeltaTTG：用进度计优化多轮Agent强化学习

南洋理工大学团队提出 DeltaTTG，针对多轮 agent 基于可验证奖励的强化学习（RLVR）中稀疏终局奖励难以指导各步训练的问题，引入「Token-to-Go」进度信号：训练一个冻结的共享「进度表」，以剩余 token 数为监督目标，为各轮次重分配优势。实验显示该方法超过 GRPO 基线 7.2 分，且进度计可复用。

2026-10-14 ~ 2026-10-14 · 2 条相关

• NTU 提出 DeltaTTG：用 Token-to-Go 进度计为多轮 Agent 强化学习重分配优势 — NanyangTechnologicalUniversity · 2026-10-14

另有 1 条近重复转述:RUC-AIBOX