DeltaTTG强化学习方法发布

发生了什么

南洋理工大学研究团队提出DeltaTTG，这是一种用于多轮Agent训练的强化学习方法。该方法引入Token-to-Go进度计量器，利用不同策略的轨迹记录学习进度信号，无需特定任务规则即可提供监督。实验显示，在ALFWorld、Paper Search QA及BFCL v3基准测试中，DeltaTTG在Qwen3-4B和Llama-3-8B-Instruct模型上较GRPO基准分别提升了得分，并保持了与GRPO相近的训练算力消耗。