最小见证强化学习 MWRL：让 RL 找回全部最小充分见证

arXiv 论文提出最小见证强化学习（MWRL），用于解决标准 RL 只能返回单一或冗余解的问题。MWRL 对策略采样的成功提议取并集，按“移除该提议损失的覆盖”分配信用，从单一黑盒验证器信号统一最小性与多解恢复需求。该方法包含一个值迭代规划器和一个可扩展到大语言模型的策略梯度方法，实验中能恢复多数最小见证，而其他方法常返回冗余超集或单个解。