摘要
本文综述了 2024 至 2026 年间发表的 47 种信用分配方法，针对大语言模型在稀疏奖励下的长轨迹归因难题。研究构建了涵盖粒度与方法学的二维分类体系，区分了推理型与代理型强化学习场景。文章指出，从单链推理向多轮代理交互的转变重塑了信用分配格局，推动了反事实分析等新范式的发展，并提供了结构化资源清单、报告检查表及基准协议规范。
AI 推荐理由
论文核心探讨推理与代理场景下的信用分配，直接决定 LLM 推理链优化。
研究机构
Independent Researcher
论文信息