Baseten 揭秘 deep research agent 训练:广度奖励 RL + SFT 报告写作
baseten · x · 2026-11-11
Baseten 公布了其 deep research agent 的技术博客，将问题拆成两个子任务分别攻克：
- 研究（搜索）部分：用强化学习训练，奖励函数不只看最终结果，而是给「广度」记账——奖励不同的搜索与信息来源，促使模型做更多样化的检索。
- 报告写作部分：主要靠 SFT，用模型自己搜集的证据构建的优质报告做监督微调，再补一轮端到端 RL。
这一「搜索靠广度奖励 RL、写作靠自产数据 SFT + 端到端 RL」的分治思路，为训练深度研究类 agent 提供了可参考的范式，细节见其技术博客。
「编程与Agent」频道最新
- Ethan Mollick 让一群 Agent 互相吵架，自主做出奇幻物流模拟游戏 — emollick · 2026-11-11
- 开源文档框架 Margin 免费托管：兼容 Mintlify，原生面向 AI Agent 阅读 — ycombinator · 2026-11-11
- Netlify Server 开放早期访问：应用后端可跑长驻服务器与 WebSocket — thisiskp_ · 2026-11-11
- Netlify 上线 Server：同一项目原生支持 WebSocket 长连接实时应用 — thisiskp_ · 2026-11-11
- 杜克普林斯顿论文:100 个 agent 拆成 10 支小队并行,胜过单队和单 agent — rohanpaul_ai · 2026-11-11
- ERP 团队开源 Dory 与 UX：MCP 文档站加 ShadCN 主题库免费可用 — hkdeman · 2026-11-11