IA e os Problemas Difíceis do Mundo · Ciência da computação teórica · arXiv · 2026-10-22
Aprendizado por reforço com testemunha mínima
Título original: Minimal Witness Reinforcement Learning
O artigo aborda a recorrente questão de quais condições irredutíveis bastam para produzir um resultado, formalizando a busca por múltiplas condições suficientes mínimas ('testemunhas')—à qual o RL padrão tende a responder com uma solução única ou redundante—como identificação de testemunhas mínimas. O Aprendizado por Reforço de Testemunhas Mínimas (MWRL) toma a união dos conjuntos certificados por propostas de política bem-sucedidas e credita a cada proposta a cobertura que a união perderia sem ela, unificando a minimidade e a recuperação de alternativas a partir de um único bit de um verificador caixa-preta. Sob esse princípio, os autores derivam um planejador de iteração de valor que recupera famílias inteiras de testemunhas e um método de gradiente de política que escala para grandes modelos de linguagem, com o MWRL recuperando a maioria das testemunhas mínimas onde outros métodos retornam superconjuntos redundantes ou uma única testemunha.