摘要
针对强化学习搜索智能体中存在的检索别名及“检索等价坍缩”现象,本文提出 Harness-G。该框架将自由形式的查询生成重构为有限动作选择,通过图结构化接口由环境构建菜单并追踪状态,使同状态下的替代方案可直接比较。在此基础上,引入结构化非短视信用分配机制,利用冻结的评分器对比动作与其替代项,并将下游收益归因于早期的 enabling 动作。实验表明,该方法在六个问答基准上均优于最强基线。
AI 推荐理由
论文核心在于重构搜索智能体的决策接口与多步规划机制,解决检索等价坍缩问题。
研究机构
National University of Defense Technology
论文信息