STAMP：搜索智能体信用分配方法
_reachsumit · x · 2026-07-14
STAMP 是一个面向 **Deep Search Agents** 的新方法，核心是把“某条被引用的证据最早是在哪一步搜索里被找到的”追踪回来，再把这一级别的信用分配注入到 RL 训练中。 文中强调它通过 **sign-preserving advantage modulation** 来做步级 credit assignment，用于让搜索智能体更好地学习哪些检索步骤真正带来了有用证据。
_reachsumit · x · 2026-07-14
STAMP 是一个面向 **Deep Search Agents** 的新方法，核心是把“某条被引用的证据最早是在哪一步搜索里被找到的”追踪回来，再把这一级别的信用分配注入到 RL 训练中。 文中强调它通过 **sign-preserving advantage modulation** 来做步级 credit assignment，用于让搜索智能体更好地学习哪些检索步骤真正带来了有用证据。