CAFE：让搜索Agent与评论家共演实现自改进
_reachsumit · x · 2026-08-26
针对结果监督的搜索 Agent 难以定位中间错误的问题，论文提出了 CAFE 框架。该框架使用一个共享参数的模型交替扮演搜索 Agent 和评论家角色，允许 Agent 在轨迹中途请求并使用纠正性反馈。通过在线 RL 和离线偏好优化的结合，CAFE 让 Agent 从自身的失败中学习反馈引导的恢复策略。在七个 Agent 搜索基准测试中，CAFE 的平均表现优于基于 RL 的搜索 Agent，并且在六个域外基准上保持了性能增益。
所属事件:腾讯混元提出 CAFE 框架：搜索 Agent 与评论家协同进化(2 条相关)→
「研究」频道最新
- Pathway CSO 演讲展望后 Transformer 架构 BDH：每瓦特更高智能 — schwentker · 2026-10-15
- EmbodiedEvo 登顶 RoboDojo：失败的机器人练习也能被下一个 agent 继承 — thetripathi58 · 2026-10-15
- 797GB n-gram 放进 CPU 内存，小模型硬扛多 57% 算力 — PangWeiKoh · 2026-10-15
- Google 论文 Harness²:无验证器下递归进化 agent harness,最高提升 11.5 分 — dair_ai · 2026-10-15
- Kambhampati 明尼苏达开讲：「LLM 思考 token 神话」的系统拆解 — rao2z · 2026-10-15
- 3D Gaussian Splatting 科普：机器人如何记住看不见的世界 — TheTuringPost · 2026-10-15