PiCA：基于枢轴的信用分配用于搜索智能体强化学习

针对基于大语言模型的搜索智能体在长程任务中面临的奖励稀疏、信用孤立及分布偏移挑战，本文提出 PiCA 方法。该方法将搜索轨迹重构为累积进步过程，利用潜在奖励塑造识别关键“枢轴”步骤（即显著提升最终答案概率的子查询与子回答）。通过锚定最终目标，PiCA 提供了密集且依赖轨迹的引导，同时保持分布一致性。实验表明，该方法在多个知识密集型问答基准上显著优于现有基线。