Forscher nehmen Credit Assignment bei Suchagenten ins Visier

Zwei arXiv-Papers stellen Methoden vor, mit denen sich Credit in AI Agents präziser zuweisen lässt, die über mehrere Schritte hinweg Belege abrufen, suchen, verifizieren und zusammenführen. RICE-PO wandelt Retrieval-Interaktionen in lokale Lernsignale um, indem es an ausführbaren Aktionen mit hoher Unsicherheit ansetzt und Credit unter festgelegten Einfluss- und Stabilitätsbedingungen auf latente Denkschritte überträgt. ABSeeker schlägt Answer-Backtracked Credit Assignment vor: Dabei wird von einer Ground-Truth-Antwort zu Zwischenspuren zurückverfolgt und einzelne Suchschritte werden bewertet, um nützliche Aktionen zu belohnen und fehlerhafte oder redundante zu unterdrücken.