Cong Pang

新的ICA框架改进了AI智能体在长周期信息搜寻能力

研究人员开发了一个名为信息感知信用分配（ICA）的新框架，以改进在长周期内搜寻信息的智能体的强化学习。ICA解决了在中间信息获取步骤难以评估时，为正确最终答案分配信用的挑战。该方法将抓取的网页表示为稳定、渲染的快照，并使用这些单元从回滚成功率向后传播奖励，为引入有价值信息的步骤分配密集奖励。ICA在BrowseComp、GAIA、Xbench-DS和Seal-0等基准测试中显示出了一致的性能提升。