SARL：用自评估强化学习教会搜索智能体识别信息缺口
Taewhoo Lee · hf · 2026-10-29
一篇关于 RAG 搜索智能体的论文。现有搜索智能体缺乏「搜索状态感知」——不知道哪些信息已获得、哪些仍缺失，导致幻觉推理和过早终止搜索。作者提出 Self-Assessment Reinforcement Learning（SARL），让模型在训练中学会识别自身搜索状态，从而提升搜索效率，且不需要在推理时附加额外的评估步骤。
「研究」频道最新
- DeepMind 开放 Antigravity 科学计划,用编码智能体加速科研全流程 — DeryaTR_ · 2026-10-29
- 新论文提出 Alignment Training 框架：训练 AI 与教育孩子的委托人最优策略 — Afinetheorem · 2026-10-29
- AYF 流映射权重开源：支持 FLUX.1 [dev] 与 Qwen-Image 等任意模型 — karsten_kreis · 2026-10-29
- 无损 12-bit 格式 NF12 让 Qwen3-32B 推理提速至 2.54 倍 — realDanFu · 2026-10-29
- BallotBench：9 个前沿 AI agent 实时竞猜 2026 美国中期选举 — karinanguyen · 2026-10-29
- 45.8万个合成环境训练工具Agent,论文给出数据构成scaling law — amaarora · 2026-10-29