LLM 引导搜索被建模为序贯决策:select 与 spawn 两动作统一评测框架
_reachsumit · x · 2026-10-30
arXiv 论文提出一个评估 LLM 引导搜索(如 RAG、deep research 中迭代生成查询-检索-阅读流程)的统一框架:将搜索环境建模为排序列表集合,行为抽象为 select(在现有排序中推进判断)和 spawn(生成或改写查询以产生新排序)两个原语动作,每个动作产生待检文档、更新搜索状态并贡献任务特定奖励。该抽象可把多种现有检索策略表达为同一环境下的策略,检索目标用奖励与加权函数表示,并自然具有强化学习解释。作者以高查全率检索(HRIR)为例做了演示。
「研究」频道最新
- 用 SciSpace 一条提示词免费生成论文查重报告 — Faheem_uh · 2026-10-30
- Erdős 问题 #357 迎新纪录:穷举搜索找到 18 项反例上界 28 — kevrussell · 2026-10-30
- 「生物学只是数据问题」遭吐槽:一个基因 peptide 就够乱了 — iScienceLuvr · 2026-10-30
- Cohere Labs 将复盘 CulturalRiddles:51 种语言 6200 条谜题测文化推理 — Cohere_Labs · 2026-10-30
- Adam 与 AdamW 的区别:解耦权重衰减为何不等价于损失加 L2 正则 — cneuralnetwork · 2026-10-30
- 黎曼-洛伦兹参数融合：让 ViT 与状态空间模型免重训直接合并 — burkov · 2026-10-30