arXiv cs.LG· Debajoy Mukherjee, Jeremy Carleton, Sushil Vemuri, Srinivas Shakkottai, Dileep Kalathil·· 7 小时前AI 评分24
TreeHCA：面向多轮 LLM 智能体的后见引导探索与信用分配
TreeHCA: Hindsight-Guided Exploration and Credit Assignment for Multi-Turn LLM Agents
AI 导读
TreeHCA 将后见引导探索与后见信用分配结合，通过参考答案似然变化重访中间历史并采样替代续写，构建推理与工具交互树，并推导出逆后见重要性修正及精确有限池恒等式。该方法在七个问答基准和三个 Qwen 主干上聚合精确匹配均超越所有基线。代码已开源。
来源：arXiv cs.LG · arxiv.org