用强化学习联合训练信息搜索、证据推理与多时点概率预测。
推荐理由：它把证据获取首次纳入事件预测训练闭环，并用适当评分规则约束不同日期的概率输出；这能优化智能体何时搜索、信什么以及如何校准置信度。
阅读原文