★ 3
TRACE：用合成奖励训练因果探索推理智能体
论文提出 TRACE 方法，通过向受控模拟器注入隐藏干预并生成观测，为诊断推理提供客观奖励信号，解决复杂数据因果诊断难以验证的问题。在数字广告诊断环境（12 种根因、细粒度细分归因）中，Qwen3.5-35B-A3B 经监督微调从 0.159 提升至 0.637，再用合成奖励强化学习达到 0.75…
arXiv cs.AI53 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出 TRACE 方法，通过向受控模拟器注入隐藏干预并生成观测，为诊断推理提供客观奖励信号，解决复杂数据因果诊断难以验证的问题。在数字广告诊断环境（12 种根因、细粒度细分归因）中，Qwen3.5-35B-A3B 经监督微调从 0.159 提升至 0.637，再用合成奖励强化学习达到 0.75…