跳到正文
arXiv · AI· Renwei Meng, Chengyi Sun, Hongyi Zhang, Xiaoyi Hou·· 17 小时前AI 评分32

校准反事实重放:为语言智能体识别关键证据决策

Learning Which Evidence-Seeking Decisions Matter: Calibrated Counterfactual Replay for Language Agents

AI 导读

提出 PCCC-RL 方法,通过反事实重放分配证据决策信用,解决最终奖励无法区分具体决策价值的问题。 在 HotpotQA 和 MuSiQue 上,联合精确匹配率分别达 56.71% 和 36.82%,较基线提升 4.19 和 3.86 个百分点。 方法被接收至 ACML 2026,重点改善证据链完整性,但单次更新效果及引用覆盖范围仍存不确定性。

来源:arXiv · AI · arxiv.org