★ 2
动作信用何时需要更新？DSC-Gate 决策充分信用门控
工具智能体每次策略更新后，历史动作信用可能过时，但从零重算代价高昂。论文提出成对分支敏感度来刻画策略更新对区分候选动作的下游区域的影响，并推导一阶锚定信用迁移估计器，配合DSC-Gate决定复用、迁移还是重采样信用。实验显示新工具调用步数从472降至286（减少39.4%），而平均遗憾几乎不变。
arXiv cs.AI38 天前
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
工具智能体每次策略更新后，历史动作信用可能过时，但从零重算代价高昂。论文提出成对分支敏感度来刻画策略更新对区分候选动作的下游区域的影响，并推导一阶锚定信用迁移估计器，配合DSC-Gate决定复用、迁移还是重采样信用。实验显示新工具调用步数从472降至286（减少39.4%），而平均遗憾几乎不变。
论文指出独立评估虽能拒绝有害策略更新，却也会阻断有益的持续学习。作者提出更新准入审计协议，需同时衡量错误控制与保留的学习机会。实验显示基于配对的检查在2000回合预算下可准入31.6%的更新流，而基于范围的置信门则完全无法准入。物理机器人与VLA验证仍待开展。