arXiv cs.AI· Miaobo Hu, Shuhao Hu, BoKun Wang, Yina Sa, Xin Wang, Xiaobo Guo, Daren Zha·· 11 小时前AI 评分26
ECPO：面向验证器审计候选排序的证据耦合策略优化
ECPO: Evidence-Coupled Policy Optimization for Verifier-Audited Candidate Ranking
AI 导读
研究提出证据耦合策略优化（ECPO），让策略在输出 Top-K 排序的同时生成与候选关联、基于原文片段的证据包，并结合列表级效用、证书有效性与证据循环奖励。在 MAVEN-ERE 和 RAMS 上，ECPO 相比匹配对照组提升了验证器审计可追溯性、排序盲恢复与人工对比支持，且在留出评估器、其他 8B/14B 骨干模型和 HotpotQA 答案排序接口下依然成立。
正文 · AI 翻译
摘要：用于决策支持的排序系统应提供可独立于模型排序分数进行审计的证据。我们研究一种封闭名单设置，其中策略联合输出 Top-$K$ 排序和与候选关联、基于片段支撑的证据包。证据耦合策略优化（ECPO）结合了列表级效用、证书有效性，以及一种证据循环奖励——该奖励在确定性恢复之前移除携带答案的字段。在 MAVEN-ERE 和 RAMS 上，与匹配对照组相比，ECPO 在测试的来源设置中提升了验证器审计的可追溯性、排序盲恢复和人类比较支持度。这些增益在留出评估器、其他 8B/14B 骨干模型以及 HotpotQA 答案排序接口下依然保持。普通 NDCG 和运行时间仍是明确的权衡。
| 评论： | 42 页，1 幅图。修订稿；更新了作者身份和通讯作者信息 |
| 主题： | 人工智能（cs.AI）；机器学习（cs.LG） |
| 引用为： | arXiv:2605.21993 [cs.AI] |
| （或 arXiv:2605.21993v2 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2605.21993 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Miaobo Hu [查看电子邮件]
[v1]
2026 年 5 月 21 日星期四 04:42:34 UTC（1,768 KB）
[v2]
2026 年 10 月 16 日星期五 10:38:10 UTC（3,322 KB）
来源：arXiv cs.AI · arxiv.org