TRIAGE：面向智能体强化学习的角色类型化信用分配

TRIAGE针对GRPO将最终验证结果均匀分配给所有动作令牌的问题，引入角色类型化信用分配：由结构化评判器将轨迹片段标记为决定性进展、有用探索、无进展基础设施或回归，再映射为有界过程奖励。论文在ALFWorld、Search-QA和WebShop上报告了相对GRPO的成功率提升，并在完成轨迹中将环境交互轮数额外降低10.4%和14.8%。