研究人员推出了一种新颖的STAMP方法，用于改进深度搜索代理中的信用分配。该方法通过为暴露支持性文件的动作提供有针对性的信用，而不是仅仅关注轨迹级别的结果，来解决“奖励-信用不匹配”问题。STAMP利用基于引用的验证器和首次暴露归因，将引用追溯到其原始动作，从而提高了在BrowseComp和xbench-DS等基准测试上的性能。 AI
影响 这项研究通过改进深度搜索代理从其动作中学习的方式，可能带来更高效、更有效的深度搜索代理。
排序理由 该集群包含一篇详细介绍AI代理新方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.11172v1 Announce Type: new Abstract: Reinforcement learning for deep-search agents has largely focused on trajectory-level scoring -- outcome correctness, citation-aware rewards, and evidence coverage. Yet the actions that expose supporting documents receive no targete…
Reinforcement learning for deep-search agents has largely focused on trajectory-level scoring -- outcome correctness, citation-aware rewards, and evidence coverage. Yet the actions that expose supporting documents receive no targeted credit, a gap we call the reward-credit mismat…