CREDO：面向时序推理智能体的证据条件信用分配

CREDO 用中间证据为时序推理智能体分配阶段级信用。

资讯摘要

论文提出 CREDO 方法，针对时序知识图谱问答（TKGQA）中 GRPO 轨迹级奖励无法区分中间决策质量的问题，利用中间证据恢复局部监督，并在全失败组中确定结果监督的作用位置。作者报告在 MultiTQ 上 Overall 准确率由 78.0% 升至 82.4%、Multiple 由 55.0% 升至 65.6%；在 TimelineKGQA 上跨 KG 准确率由 30.9% 升至 36.4%。

要点速读

1. CREDO 通过同一问题多次 rollout 的比较分配正向阶段级信用，并以保留的答案重叠作为机会代理，将部分结果策略权重转向推理与作答。
2. 框架保留终端奖励与轨迹级优势，重分配保持每条轨迹的结果策略总权重不变。
3. 作者报告在 MultiTQ 与 TimelineKGQA 上相对基线提升准确率，后者为直接迁移至 ICEWS Actor 的匹配训练评估设置。

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 2026/11/4 08:00:28（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。