DeltaTTG：用 Token-to-Go 进度计训练多轮 AI 智能体

DeltaTTG 用共享进度计学习可复用进度信号，以 Token-to-Go 估计任务完成前剩余生成 token 数，缓解多轮 AI 智能体 RLVR 的稀疏终端奖励问题。在 ALFWorld、PaperSearchQA 和 BFCLv3 上，DeltaTTG 相比 GRPO 让 Qwen3-4B 和 Llama-3.1-8B-Instruct 平均分分别提升 5.7 和 7.2 分，代码已开放。