arXiv · cs.AI· Wenyu Huang, Xinyu Hou, Pavlos Vougiouklis, Ruofei Lai, Jeff Z. Pan·· 23 小时前
超越结果奖励：为搜索智能体构建并分配检索信用
Beyond Outcome Rewards: Constructing and Assigning Retrieval Credit for Search Agents
arXiv:2610.10179v1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：Wenyu Huang, Xinyu Hou, Pavlos Vougiouklis, Ruofei Lai, Jeff Z. Pan
首次提交：2026-10-07 22:48
研究任务与主要进展
研究者提出一种结合中间检索信号与最终结果奖励的搜索智能体强化学习训练框架，用于改善多跳问题中的信用分配。论文摘要称，在匹配训练条件下，该方法在多个基准上提升了搜索智能体的整体表现，中间信号的类型及其分配位置会影响训练行为。
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