arXiv · AI· Zijun Dou, Kun Luo, Chaofan Li, Shuqi Lu, Zheng Liu·· 4 小时前AI 评分32
FALCA：用于长程深度搜索智能体的伪证实感知强化学习与层级信用分配
FALCA: Falsification-Aware Reinforcement Learning with Hierarchical Credit Assignment for Long-Horizon Deep Search Agents
AI 导读
研究提出 FALCA 框架，通过搜索者-伪证实者协作架构，将深度搜索形式化为提出-伪证实过程，结合 SFT 预热与基于并行 rollouts 的 agentic RL 进行伪证实感知训练。 在五个搜索基准测试中，FALCA 提升了长程深度搜索性能，通过更有效的伪证实与研究状态修订，显著减少了确认偏误与错误累积。
来源：arXiv · AI · arxiv.org