PCCC-RL:证据搜索决策的反事实信用分配
通过校准的反事实重放,辨别真正促成正确且有证据支撑回答的智能体决策。ACML 2026 已接收。
2026 年 1–7 月ACML 2026 · 已接收第一作者 / 研究负责人
Language AgentsReinforcement LearningEvidence
研究概览
通过校准的反事实重放,辨别真正促成正确且有证据支撑回答的智能体决策。ACML 2026 已接收。
工作关注“哪些决策值得学习”,而不仅是增加重试或重放的数量。详细方法与实验范围以论文和最新 CV 为准。