arXiv cs.AI· Zijun Dou, Kun Luo, Chaofan Li, Shuqi Lu, Zheng Liu·· 11 小时前AI 评分34
FALCA：面向长程深度搜索智能体的证伪感知强化学习框架
FALCA: Falsification-Aware Reinforcement Learning with Hierarchical Credit Assignment for Long-Horizon Deep Search Agents
AI 导读
FALCA 提出一种证伪感知框架，将深度搜索建模为“提议-证伪”过程，由 Searcher 提出候选答案、独立 Falsifier 主动寻找反证并生成证伪报告以修正研究状态。
正文 · AI 翻译
摘要：长程深度搜索要求 LLM 智能体迭代地分解复杂的信息需求、从外部来源收集证据，并在多重约束下维护可靠的研究状态。一个核心挑战在于，早期的错误会沿搜索轨迹被放大：智能体可能锚定于错误的候选答案、收集到部分支持的证据、忽略矛盾，并累积误导后续推理的错误。我们提出 FALCA，一个以证伪为核心的框架，将深度搜索建模为提出—证伪过程。FALCA 采用协作式的 Searcher-Falsifier 架构，其中 Searcher 提出候选答案或子答案，而独立的 Falsifier 主动寻找反证、检查未满足的约束、识别冲突，并生成简洁的证伪报告以修订研究状态。为强化这一循环，我们引入证伪感知训练，将对证伪轨迹的 SFT 预热与基于并行 rollout 及研究阶段、状态转移和动作上分层信用分配的智能体 RL 相结合。在五个搜索基准上的实验表明，FALCA 相比骨干模型和 harness 消融提升了长程深度搜索性能，同时通过更有效的证伪和研究状态修订减少了确认偏差和错误累积。
| 评论： | 19 页，20 幅图，2 张表。项目页面：此 https URL |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.28361 [cs.AI] |
| （或 arXiv:2610.28361v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.28361 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Zijun Dou [查看邮箱]
[v1]
2026 年 10 月 20 日星期二 15:24:44 UTC（503 KB）
来源：arXiv cs.AI · arxiv.org