ActiveEvidence：决策可证明的主动证据获取

2026年10月15日，arXiv Computer Vision 刊出 Miaobo Hu 等作者的论文，提出 ActiveEvidence——一种面向决策的可证明主动证据获取方法。该工作研究在严格的免费元数据/付费观测边界、随机向量成本与冻结执行轨迹下的证据获取问题，将其视为可决策证明的主动证据获取。方法上提出反事实证据交互图（CEIG），用于表示证据价值、二阶交互与条件性损害，并采用决策加权包围目标与缺口导向细化，在 ε-决策证书下停止采集。作者说明该证书是模型相对的：它验证在固定学习分数下策略一致的最优性，语义质量则通过冻结后标签单独衡量。在 640 个案例（384/128/128 划分为训练、验证、测试）上，控制器达到任务分数 0.842、grounding F1 0.816、证据召回 0.873、1.74 次被接受的调用、286.5K 视觉 token，p95 延迟 742ms。目前尚无后续跟进报道。

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。