AI与世界难题 · 理论计算机科学 · arXiv · 2026-10-22
最小见证强化学习
原标题: Minimal Witness Reinforcement Learning
本文回应一个反复出现的问题:哪些不可约简的条件足以产生某一结果,并将对多个极小充分条件(即“见证”，witnesses)的搜索形式化为极小见证识别——标准的强化学习(RL)往往只以单一解或冗余解来回答这一问题。极小见证强化学习(MWRL)取由成功的策略提案所认证的集合的并集，并按若缺少该提案并集将损失的覆盖范围为每个提案记分，仅凭来自黑盒验证器的单个比特便统一了极小性与备选方案的恢复。在此原则下，作者推导出一种能恢复完整见证族的值迭代规划器，以及一种可扩展至大语言模型的策略梯度方法；在其他方法返回冗余超集或单个见证的情形下，MWRL 恢复了大多数极小见证。