ABSeeker、検索エージェントの信用割り当てに照準

新たなarXiv論文が、逐次的な検索、取得、検証、証拠の統合を行う長期タスク向け検索エージェントを訓練するためのフレームワーク「ABSeeker」を紹介した。論文は、正解から逆算して中間的な手がかりを復元し、それらに照らして検索ステップを評価する「Answer-Backtracked Credit Assignment」を提案している。これにより、軌跡全体のまばらな結果をステップ単位の報酬へ変換する。この手法は、RICE-POやBiCAAを含む、検索・検索拡張エージェントの信用割り当てに関する関連研究とあわせて提示されている。