arXiv · cs.AI · Yue Leng, Shengtao Wen, Xiang Chen, Xinyi Zeng, Yu Tian, Sheng-Jun Huang · 8 小时前模型评分35
CREDO：面向时序推理智能体的证据条件化信用分配方法
CREDO: Evidence-Conditioned Credit Assignment for Temporal Reasoning Agents
导读
研究者提出 CREDO，用中间证据为时序知识图谱问答智能体恢复局部监督信号，在全部失败的采样组中也能区分中间进展，并把部分结果监督权重转向推理与作答环节。在 MultiTQ 上，该方法将 Overall 准确率从 78.0% 提升至 82.4%，Multiple 准确率从 55.0% 提升至 65.6%；在 TimelineKGQA 上跨知识图谱准确率从 30.9% 升至 36.4%。代码已公开。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “We propose Credit Redistribution with Evidence-Driven Opportunities (CREDO), which uses intermediate evidence to recover local supervision, including in all-failed groups, and determine where outcome supervision acts.”
- “Code available at this https URL”
来源：arXiv · cs.AI · arxiv.org