AIが解く世界の難問 · 計算機科学の理論 · arXiv · 2026-10-22
最小ウィットネス強化学習
原題: Minimal Witness Reinforcement Learning
「ある結果を生むのに十分な還元不能な条件は何か」という計算と科学に共通する問いを、最小ウィットネス同定問題として定式化し、Minimal-Witness Reinforcement Learning（MWRL）を提案した。方策からサンプリングされた成功提案が証明した集合の和集合をとり、その提案がなければ和集合から失われる被覆に応じて各提案にクレジットを割り当てることで、最小性と代替解の復元という要求を単一のブラックボックス検証器からの1ビットで統一的に満たす。この原理に基づき、ウィットネス族全体を復元する価値反復プランナと大規模言語モデルへ拡張可能な方策勾配法を導出し、実験では他手法が冗長な上位集合や単一のウィットネスを返す中で、MWRLは最小ウィットネスの大半を復元した。