跳转至

Read this paper write-up in English

My FAULT: Self-Diagnosis as Credit Assignment in Self-Evolving Agentic Reinforcement Learning

复现级别：L1 核心机制诊断。 执行 verified diagnosis、error cost 与守恒重分配；未共同训练策略/诊断模型。

论文信息

字段 内容
论文链接 arXiv 2610.01161
公司/机构 Alibaba Group（按第一作者署名单位）
首次公开日期 2026-10-01（arXiv v1）
原文开源代码 否：截至 2026-10-02 未找到原作者公开实现
Adapter my-fault
本地复现代码 src/auto_research/post_training/latest_20261002.py

原始论文总结

背景与主要改动

自诊断器提出错误类别与位置，只有经证据验证的 claim 才进入在线 error pricing；学得的相对成本把终局 credit 守恒地重分配到步骤。

flowchart LR
  I[输入/当前状态] --> M[my-fault 核心机制]
  M --> A[可审计中间量]
  A --> O[输出/更新状态]

原论文关键图

My FAULT: Self-Diagnosis as Credit Assignment in Self-Evolving Agentic Reinforcement Learning 原论文关键图

原论文关键图：展示论文核心架构、训练流程或系统协议。图片来自原论文，版权归原作者所有；点击图片可查看来源。

核心公式

\(\sum_t r'_t=R\)，\(r'_t=R(1/T+\bar p-p_t)\)。

论文离线与线上效果

ALFWorld signal coverage 95%，相比 GRPO 41%、GiGPO 72%；在 ALFWorld 与 WebShop 上取得强改进。

本地复现

本地对照口径：基线为机制关闭或默认状态，实验组为开启对应核心算子；相对百分比不适用。本批指标只验证不变量、梯度或状态转换，不表示论文规模效果。

复现边界

执行 verified diagnosis、error cost 与守恒重分配；未共同训练策略/诊断模型。