arXiv · cs.CL· Wenyu Huang·· 20 天前AI 评分42
超越结果奖励：为搜索智能体构建与分配检索中间奖励
Beyond Outcome Rewards: Constructing and Assigning Retrieval Credit for Search Agents
来源与原文
arXiv · cs.CL
作者：Wenyu Huang
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.10179v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
一项 arXiv cs.CL 研究系统探讨了如何用中间监督改进搜索智能体的强化学习训练。研究比较了多种 reward-shaping 与 credit assignment 策略，并构建了将中间检索步骤信号与最终结果奖励结合的训练框架。在相同训练条件下跨多个基准的实验表明，该方法提升了搜索智能体的整体性能，且中间信号的选择与奖励分配位置都会影响训练效果。
来源：arXiv · cs.CL · arxiv.org