arXiv cs.CL· Yue Leng, Shengtao Wen, Xiang Chen, Xinyi Zeng, Yu Tian, Sheng-Jun Huang·· 10 小时前AI 评分26
CREDO：面向时序推理智能体的证据条件化信用分配方法
CREDO: Evidence-Conditioned Credit Assignment for Temporal Reasoning Agents
AI 导读
CREDO 通过中间证据恢复局部监督信号，解决 GRPO 轨迹级奖励无法区分中间决策质量的问题，在全部失败组中也能重新分配信用。在 MultiTQ 上，CREDO 将 Overall 准确率从 78.0% 提升至 82.4%，Multiple 准确率从 55.0% 提升至 65.6%；在 TimelineKGQA 上，跨 KG 准确率从 30.9% 提升至 36.4%。
正文 · AI 翻译
摘要：时序知识图谱问答（TKGQA）要求语言模型智能体检索证据、选择相关事实并执行多步时序推理。然而，GRPO 中的轨迹级结果信号并未明确区分中间决策的质量：下游失败可能会惩罚有用的证据获取，而在全部失败的组中，尽管中间进展存在差异，相同的奖励却消除了相对结果信号。我们提出证据驱动机会的信用再分配（CREDO），它利用中间证据恢复局部监督（包括在全部失败的组中），并确定结果监督在何处起作用。CREDO 通过同一问题的多次 rollout 之间的比较来分配正向阶段级信用，并使用保留的答案重叠作为机会代理，将部分结果策略权重转移到推理和回答上。该框架保留终端奖励和轨迹级优势，而再分配则保持每条轨迹的结果策略总权重不变。遵循先前工作的公开评估协议，与我们比较中最强的已发表基线相比，CREDO 在 MultiTQ 上将 Overall 准确率从 78.0% 提升至 82.4%，将 Multiple 准确率从 55.0% 提升至 65.6%。在 TimelineKGQA 上，在匹配的训练和评估设置下，通过直接迁移到 ICEWS Actor，它相对于我们复现的基线将跨 KG 准确率从 30.9% 提升至 36.4%。
| 评论： | 代码可在 此 https URL 获取 |
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI）；计算与语言（cs.CL）；信息检索（cs.IR） |
| 引用为： | arXiv:2611.01643 [cs.LG] |
| （或 arXiv:2611.01643v1 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.01643 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Shengtao Wen [查看电子邮件]
[v1]
2026年11月1日星期日 06:46:51 UTC（733 KB）
来源：arXiv cs.CL · arxiv.org