AI 與世界的難題 · 理論資訊科學 · arXiv · 2026-10-22
最小見證強化學習
原標題: Minimal Witness Reinforcement Learning
本文探討一個反覆出現的問題：哪些不可約條件足以產生某個結果，並將搜尋多個最小充分條件(「見證」)的過程——標準強化學習往往以單一或冗餘的解作答——形式化為最小見證識別。最小見證強化學習(Minimal-Witness Reinforcement Learning, MWRL)取由成功策略提案所認證之集合的聯集，並將聯集若缺少該提案便會損失的覆蓋範圍歸功於該提案，僅憑單一黑箱驗證器的位元，便統一了最小性與替代方案的還原。在此原則下，作者推導出一個能還原完整見證族的值迭代規劃器，以及一個可擴展至大型語言模型的策略梯度方法；在其他方法回傳冗餘超集或單一見證之處，MWRL 能還原大多數的最小見證。