Новости

DRACO: Fine-Grained Credit Assignment with Dynamic Rubrics for Long-Horizon Agent Training

arXiv cs.AI · Опубликовано 3 сентября 2026 г. · 3 мин чтения

За 30 секунд

Что произошло: DRACO improves long-horizon agent training by dynamically generating rubrics during training and redistributing trajectory-level scores to individual steps for better credit assignment.
Почему это важно: Matters for engineers building reinforcement learning agents on tasks without programmatic success checkers, where multi-criteria evaluation is the only feedback available.
На что обратить внимание: Results shown on specific benchmarks like AppWorld and Tau-Bench; generalization to other long-horizon domains and real-world applicability remain unclear from the abstract.

Каждый разбирает, как работает техника, когда она оправдывает затраты и где ломается.

Один паттерн, один компромисс, одна история сбоя в продакшене. Короткий еженедельный брифинг для тех, кто строит агентные системы.

Одно письмо в неделю, отписка в один клик. Адрес используется только для рассылки брифинга.

Новости

arXiv cs.AI · Опубликовано 3 сентября 2026 г. · 3 мин чтения

Что произошло: DRACO improves long-horizon agent training by dynamically generating rubrics during training and redistributing trajectory-level scores to individual steps for better credit assignment.
Почему это важно: Matters for engineers building reinforcement learning agents on tasks without programmatic success checkers, where multi-criteria evaluation is the only feedback available.
На что обратить внимание: Results shown on specific benchmarks like AppWorld and Tau-Bench; generalization to other long-horizon domains and real-world applicability remain unclear from the abstract.

Каждый разбирает, как работает техника, когда она оправдывает затраты и где ломается.

Одно письмо в неделю, отписка в один клик. Адрес используется только для рассылки брифинга.