CASI：用集合干预做检索信用分配，A/B测试广告主价值提升3.51%

CASI（Credit Assignment via Set Intervention for Agentic Retrieval）提出一套面向智能体检索的信用分配方法：通过快照式集合干预构造缺失的反事实信息——生成与检索各执行一次并固定可复现的快照组件，在相同条件下评估替代子集，再用 Shapley 聚合把边际贡献转化为集合内信用，最后以有界零和优势塑形纳入策略优化。 作者 Xinyi Cheng 等人称，在覆盖 10% 流量的随机化七天生产环境 A/B 测试中，经 CASI 训练的策略在主要广告主价值指标上较生产对照组取得 3.51% 的观测提升。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。