跳到正文
arXiv · NLP· Yibin Huang, Bin Xu, Hailong Cao, Conghui Zhu·· 17 天前AI 评分31

BiCAA: 基于双向信用分配的搜索增强智能体强化学习框架

BiCAA: Bidirectional Credit Assignment for Search-Augmented Agent

AI 导读

针对搜索增强智能体中普通 GRPO 仅依赖最终答案分配奖励的局限,提出双向信用分配算法 BiCAA。 该算法结合前向可解性增益(FSG)与后续推理增益(SRG),通过非对称融合校准局部反馈,并在七项开放域 QA 基准和两个 Qwen 骨干模型上实现平均 F1 提升。

来源:arXiv · NLP · arxiv.org