11:31
官方一手arXiv: DeepSeek@Andrew Zhang, Chengzhan Li
推荐理由：这篇论文教你怎么用 ASV 框架来拆解 AI agent 每一步的决策价值，在开放问答任务上实测发现短 rationale 反而有害，做 agent 评估的必看。
Agent Step Value
共 1 条相关 AI 资讯
7月8日
11:31
论文提出 Agent Step Value (ASV) 框架，通过重放黑盒轨迹并用无状态 LLM 评估器打分，量化每一步的价值。在 100 道开放问答任务（使用 PubMed 实时检索和 DeepSeek 对数概率评分）上，ASV 评估了 1,100 次转移，结果显示熵移动为 0.000，平均贝叶斯惊讶为 2.693，表明信念近乎 one-hot 转折。在 128 个 token 的 rationale 条件下，平均黄金边际增益为 -2.335（95% CI [-3.395, -1.272]）；而直接用单 token 评分同一轨迹得到 +4.033。论文通过 100 次转移的组件审计追踪到反转源于短 rationale 对完整状态的覆盖。