arXiv · cs.AI· Zijun Dou, Kun Luo, Chaofan Li, Shuqi Lu, Zheng Liu·· 4 小时前
FALCA：面向长程深度搜索智能体的分层信用分配证伪强化学习框架
FALCA: Falsification-Aware Reinforcement Learning with Hierarchical Credit Assignment for Long-Horizon Deep Search Agents
arXiv:2610.28361v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Zijun Dou, Kun Luo, Chaofan Li, Shuqi Lu, Zheng Liu
研究任务与主要进展
FALCA提出一种面向长程深度搜索智能体的证伪感知强化学习框架，采用协作式Searcher-Falsifier架构，让搜索器提出候选答案、独立证伪器寻找反证并修订研究状态。其训练结合证伪轨迹的SFT预热、并行rollout和覆盖研究阶段、状态转移与动作层级的强化学习信用分配；基于论文摘要，作者在五个搜索基准上报告了优于骨干模型及框架消融的表现，并减少确认偏误与误差累积。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org