**ABSeeker：通过答案回溯信用分配训练长视界搜索代理**

_ABSeeker: Training Long-Horizon Search Agents via Answer-Backtracked Credit Assignment_

> HuggingFace Daily Papers 推荐论文提出 ABC（答案回溯信用分配）框架，将稀疏轨迹级监督转化为密集的步级奖励，区分有用动作与冗余/错误动作。基于 Qwen3.5-4B 仅用 8.5k 样本训练，在 BrowseComp 达 37.3%，BrowseComp-ZH 达 39.1%，配合上下文管理分别提升至 55.3% 和 52.9%，显著优于同规模代理，匹敌约 30B 模型。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-08-06 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2608.05102)