Minimal Witness Reinforcement Learning提出从黑盒反馈恢复最小见证族

Minimal Witness Reinforcement Learning（MWRL）将最小见证识别形式化为强化学习问题，并通过成功提案集合的联合覆盖进行信用分配。论文进一步推导出可恢复完整见证族的价值迭代规划器，以及可扩展到大语言模型的策略梯度方法。实验显示，MWRL能恢复大多数最小见证，而其他方法倾向于返回冗余超集或单个见证。