研究者ら、検索エージェントの信用割り当てに照準

2本のarXiv論文が、複数のステップにわたって証拠を取得、検索、検証、統合するAIエージェントにおいて、より精密に信用を割り当てる手法を示した。RICE-POは、不確実性の高い実行可能アクションを起点にし、指定された影響条件と安定性条件の下で潜在的な推論ステップへ信用を伝播させることで、検索インタラクションを局所的な学習シグナルに変換する。ABSeekerはAnswer-Backtracked Credit Assignmentを提案し、正解から中間的な手がかりへとさかのぼって個々の検索ステップを評価し、有用な行動に報酬を与えつつ、誤った行動や冗長な行動を抑制する。