arXiv · Computation and Language· Shengze Huang, Zihao Tang, Jinluan Yang, Xin Yu, Zhenghao Lin, Xiao Liu, Zengxuan Wen, Yeyun Gong, Haizhen Huang, Weiwei Deng, Feng Sun, Qi Zhang, Fei Wu, Kun Kuang·· 3 hr agoAI score32
SOAR：面向搜索智能体的源感知强化学习与精准信用分配
SOAR: Source-Aware Reinforcement Learning with Precise Credit Assignment for Search Agents
AI brief
SOAR 提出源感知强化学习范式，将外部信息 $E_{ext}$ 与内部知识 $E_{int}$ 拆分为可观测的并行流，并用源一致性奖励实现精准信用分配，以缓解搜索智能体的证据编造问题。在 3B 与 7B 骨干模型上较基线分别提升 7.3% 和 5.4%，证据编造减少 74.8%，在知识密集型基准上表现更稳健。论文已上线 arXiv（cs.CL）。
Source: arXiv · Computation and Language · arxiv.org