论文 · Papers2026-08-22 · Saturday, August 22, 2026

Credit Without Ground Truth

作者在 ALFWorld 的每个决策点重采样动作并继续执行，以反事实结果近似步骤的真实因果贡献，再审计 LLM Judge、结果条件 logprob 比和策略置信度。

–浏览

评论 · Comments