MWRL 用验证器反馈学习全部最小见证，而非单一解。
资讯摘要
论文提出最小见证识别问题：在只有黑盒验证器单比特反馈的条件下，找出足以产生某一结果的全部最小充分条件集合。作者提出最小见证强化学习（MWRL），按每个候选对集合覆盖的边际贡献分配信用，并据此推导出可恢复全部见证族的值迭代规划器，以及可扩展到大型语言模型的策略梯度方法。作者报告称，在多种实验设置下，MWRL 能恢复多数最小见证，而其他方法只返回冗余超集或单一解。
要点速读
- 论文将问题形式化为最小见证识别，并指出标准强化学习方法可能只找到一个解或冗余解。
- MWRL 从策略采样的成功提案中取并集，按每个提案对覆盖的边际贡献分配信用，统一处理最小性与多解恢复。
- 作者报告称，MWRL 在实验中恢复多数最小见证，并给出可扩展到大型语言模型的策略梯度方法；代码已公开。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/23 08:00:11（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。