CASI：用集合干预做智能体检索信用分配

Xinyi Cheng 等作者在论文摘要中提出 CASI（Credit Assignment via Set Intervention for Agentic Retrieval），通过快照固定的集合干预结合 Shapley 聚合，为智能体检索中的多个动作分配信用，并用于策略优化。 摘要报告的效果均属作者声称：在 1,200 个请求的赞助搜索设置中，训练时评估器下 CASI 与回放定义的 Shapley 参考值中位余弦相似度最高，但在敏感性后端下未超过 Singleton；五次独立训练中，CASI 策略的留出拍卖回放集合价值高于 Singleton 和 Broadcast。在占 10% 流量、为期七天的随机生产 A/B 测试中，CASI 训练的策略在广告主价值主指标上相对生产对照组取得 3.51% 的观测提升。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。