人工智能Enhancing LLM-based Search Agents via Contribution Weighted Group Relative Policy Optimization 1. 摘要（Abstract） 本文聚焦于 LLM-based Search Agent 的训练问题。现有方法在强化学习训练中主要面临一个核心难点credit assignment（贡献归因）。一方面，基于最终答案的 outcome supervision 虽然训练稳定，... 2小时前
