字节跳动开源 PEAR：用四级证据阶梯自动化搜索系统研究
_reachsumit · x · 2026-09-29
字节跳动发布 arXiv 论文 PEAR(Progressive Evidence-Based AutoResearch)，面向工业搜索系统的自动化研究框架：
- 两个核心问题：传统 keep-if-better 规则在非平稳流量下会把瞬时收益误判为持久改进；现有方法缺乏跨保真度层级统一使用证据的基础
- Evidence-driven AutoResearch：在预定义目标与干预范围内，为每个策略任务维护独立、假设驱动的研究状态，经 Plan-Execute-Evaluate-Update 循环将实验与上下文感知的证据解读、假设修正挂钩
- Confidence-Gated Verifier Ladder：把评估组织为四个保真度递增层级，从低成本代理指标到在线验证，只有最优候选才消耗线上测试资源
「研究」频道最新
- VLANeXt Family:500+ 控制实验提炼 12 条 VLA 模型实用配方 — ccloy · 2026-09-30
- RL with Confidence Margin 论文:让置信度逐步追踪推理正确性 — EliasEskin · 2026-09-30
- 阿里达摩院开源 WorldAttention:交互式视频世界模型高效注意力架构 — Alibaba-DAMO-Academy · 2026-09-30
- 南科大 ActFirst-OPD:先行动后思考,多轮智能体蒸馏训练提速最高 4.9 倍 — SouthernUniversityofScienceandTechnology · 2026-09-30
- 新加坡国立大学 MaLiang-Harness:用可执行程序控制图像视频生成,并定义 P2V 差距 — NationalUniversityofSingapore · 2026-09-30
- 美团 TGRL:温度分组强化学习,RLVR 训练速度提升最高 36% — meituan · 2026-09-30