开源搜索智能体 Iris 发布：SFT-RL 交替训练登顶多跳搜索
_reachsumit · x · 2026-09-07
研究者发布 Iris-mini 与 Iris-pro 两款开源搜索智能体，规模分别为 35B-A3B 和 397B-A17B，号称在开源搜索智能体中达到 SOTA。
核心方法：
- 任务构造：从网页语料超链接结构反向构建多跳问题——在种子页面外链蒸馏出的实体图上编写多跳链，把所有非答案实体改写为描述性指代，杜绝字符串匹配作弊；只保留参考模型闭卷失败、有证据即可解出的问题。
- 训练流程：轨迹先做轨迹级与轮级双重过滤再 SFT，随后对真实搜索环境做 RL 优化，奖励裁判与观察摘要器部署在训练集群内。
- SFT-RL climbing：交替执行两阶段，把每轮 RL 中最难解出、最高效的轨迹回流到下一轮监督训练。
评测亮点：论文强调推理时上下文管理对搜索基准的影响大于多数系统间的报告差异，因此所有基准都分启用/不启用两种条件评测；单一 ReAct 智能体，无子智能体、无测试时验证。
所属事件:开源搜索智能体 Iris 发布，SFT 加强化学习登顶多跳搜索(2 条相关)→
「研究」频道最新
- ICLR 今年投稿量突破 5.5 万篇，作者直呼「低质论文手榴弹」 — igilitschenski · 2026-09-21
- 用 LLM 替代高斯过程做贝叶斯优化，博主实测四种方案 — tak3sh8 · 2026-09-21
- 微软研究发现：安全训练可顺带提升小模型隐私保护 — EchoShao8899 · 2026-09-20
- Nature 深度文：让 AI 重走爱因斯坦之路，能否独立复现广义相对论 — mikeflache · 2026-09-20
- 309 页《Patterns, Predictions, and Actions》机器学习免费电子书更新 — adnan_hashmi · 2026-09-20
- 传 Jev 一周内啃下质数间隙与 Navier-Stokes 等硬问题 — f_charton · 2026-09-20