長期探索エージェントの効率的学習を可能にする新たな訓練手法

arXiv cs.AI ・ 2026-08-05

原題: ABSeeker: Training Long-Horizon Search Agents via Answer-Backtracked Credit Assignment

AI による要約

長期探索エージェントの学習手法として、ABC（Answer-Backtracked Credit Assignment）を提案した。ABCは軌跡レベルの結果をステップレベルの教師信号に変換し、有用な行動を報酬として与え、誤った行動を抑制する仕組みだ。

この要約は当サイトの AI が生成したものです。正確な内容は元記事（arXiv cs.AI）をご確認ください。