ICML 2026 | 一步错不再全盘输，浙大 BEACON 让长程 Agent 成功率近翻倍
中文摘要
浙大与百度提出BEACON框架，通过里程碑引导的信用分配优化长程Agent强化学习，将ALFWorld任务成功率从53.5%提升至92.9%。
English Summary
ZJU and Baidu's BEACON framework uses milestone-guided credit assignment for long-horizon agents, boosting ALFWorld success rates from 53.5% to 92.9%.
原文节选
📌 一句话摘要 浙大与百度提出 BEACON 框架，通过里程碑引导的信用分配解决长程 Agent 强化学习中信用误分配与样本利用率低的问题，ALFWorld 长程任务成功率从 53.5% 提升至 92.9%。 📝 详细摘要 本文解读 ICML 2026 论文《Milestone-Guided Policy Learning for Long-Horizon Language Agents》，介绍浙江大学与百度联合提出的...