浙大北大 SPADER 摘 EMNLP：多答案问答 RL 四榜 F1 全部第一

jiqizhixin · x · 2026-10-26

浙江大学与北京大学的 SPADER 被 EMNLP 2026 Main 接收，在四个多答案问答基准、两个基座模型上 F1 均列第一，QAMPARI 上较 PPO 和 GRPO 最高提升 86.1 个百分点。

多答案问答要求找出完整答案集而非首个命中，现有 RL 存在两个错配：优势计算停留在轨迹层面，信用分配过粗；F1 奖励对头部与长尾实体一视同仁，agent 缺乏继续挖掘的动力——典型表现为搜到三个答案后改写重搜得到同样结果就作答。SPADER 将 GRPO 的轨迹级优势细化到步级（Step-wise Peer Advantage），早期终止的轨迹补零并屏蔽未来奖励；同时引入多样性感知探索奖励，对新增有效实体给信息增益与新颖性加成，并通过逐步 GRPO 训练联合优化策略。