arXiv · Machine Learning Theory· Debajoy Mukherjee, Jeremy Carleton, Sushil Vemuri, Srinivas Shakkottai, Dileep Kalathil·· 2 小时前AI 评分35
TreeHCA：面向多轮 LLM 智能体的后见引导探索与信用分配
TreeHCA: Hindsight-Guided Exploration and Credit Assignment for Multi-Turn LLM Agents
AI 导读
TreeHCA 将后见引导探索与后见信用分配相结合，用参考答案似然变化回溯中间历史并采样替代续写，构建推理与工具交互树，再通过逆后见重要性校正和归一化树备份把终端结果传播到轮次级优势。在七个问答基准和三个 Qwen 骨干模型上，TreeHCA 在总体精确匹配上超过所有基线，代码已开源。
来源：arXiv · Machine Learning Theory · arxiv.org