小红书 AllSpark 提出 PACT：从信用分配到 Critic 对齐，改进长程 Agent 训练

小红书 AllSpark 团队提出 PACT（Policy Aligned Critic Training），通过三个正则条件唯一刻画长程 Agent 的信用分配，并用 BCE 回归有界 Value、采用 Actor-Then-Critic 更新顺序改进 Critic 训练。