Hugging Face Daily Papers·· 8 天前精选AI 评分47
SARL：让检索增强大模型在训练中学会感知搜索状态
Self-Assessment Reinforcement Learning for Search-State Awareness in Retrieval-Augmented Large Language Models
AI 导读
研究者提出自评估强化学习框架 SARL，让搜索智能体在训练中识别已获得和仍缺失的信息，测试时无需额外评估。SARL 采用双重奖励设计，既捕捉每次评估的纠错效果，又惩罚对评估的过度依赖；相比最强基线取得 24.3% 的相对提升，在多跳推理和深度研究基准上平均分别提升 35.9% 和 27.9%。该方法作为独立的强化学习框架，不依赖推理时脚手架，也能在更长的搜索步数下保持训练稳定。
推荐理由
论文提出让搜索智能体在训练中学会判断自身检索状态的方法，并给出多跳推理与深度研究基准上的相对提升幅度。
来源：Hugging Face Daily Papers · huggingface.co