在选择性观察下利用结构化动作信用学习 CLI 智能体

命令行界面（CLI）智能体正成为与动态文件系统交互的新范式。现有强化学习方法未充分利用 CLI 动作的结构属性，且面临从部分观察中提取证据及稀疏奖励分配两大瓶颈。本文针对 shell 驱动的信息提取与文件编辑任务，提出推理时机制σ-Reveal 以选择受限上下文，并设计原生智能体强化学习方法 Action Advantage Assignment (A³)，利用抽象语法树残差等构建轮次优势。此外，构建了可验证数据集 ShellOps 以评估该设定。