最小见证强化学习 MWRL：让模型从验证器反馈中学会完整见证族

研究者提出最小见证强化学习（MWRL），将"找出全部最小充分见证"形式化为最小见证识别问题，仅凭单个黑盒验证器的反馈位即可完成信用分配。该方法从问题定义直接推导，统一了最小性与备选解恢复两项要求，并据此给出可恢复完整见证族的值迭代规划器和可扩展到大语言模型的策略梯度方法。实验中 MWRL 能找回大部分最小见证，而其他方法只返回冗余超集或单一见证。