研究团队提出极小见证强化学习MWRL并开源代码

2026年10月7日，研究人员在arXiv发布论文，提出极小见证强化学习（MWRL）。该方法旨在解决传统强化学习在寻找充分条件与机制时，往往仅能输出单解或冗余解的问题。MWRL仅基于单一黑盒验证器反馈，推导出可恢复完整见证族的值迭代规划器，以及可扩展至大语言模型的策略梯度方法。实验表明，MWRL能有效恢复绝大多数极小见证。目前，该研究的相关代码已对外开源。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。