BiCAA 提出搜索智能体双向信用分配方法

Yibin Huang 等作者提出 BiCAA 双向信用分配方法，用 Forward Solvability Gain（FSG）和 Subsequent Reasoning Gain（SRG）为搜索增强智能体的中间搜索步骤提供细粒度过程反馈。作者称，这一方法弥补了 GRPO 仅依赖最终答案奖励的不足。 该方法面向搜索增强智能体的训练过程，核心是把信用分配到中间搜索步骤，而不只由最终答案决定奖励。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。