arXiv cs.CL· Shengze Huang, Zihao Tang, Jinluan Yang, Xin Yu, Zhenghao Lin, Xiao Liu, Zengxuan Wen, Yeyun Gong, Haizhen Huang, Weiwei Deng, Feng Sun, Qi Zhang, Fei Wu, Kun Kuang·· 2 小时前AI 评分24
SOAR：面向搜索智能体的来源感知强化学习与精确信用分配
SOAR: Source-Aware Reinforcement Learning with Precise Credit Assignment for Search Agents
AI 导读
针对搜索智能体绕过外部信息、编造错误答案的"证据捏造"问题，研究者提出 SOAR（来源感知强化学习），通过 Source-Aware Workflow 将外部信息与内部知识拆分为可观测的并行流，并用 Source-Consistent Reward 引导策略进化。在 3B 和 7B 骨干模型上，SOAR 分别比基线提升 7.3% 和 5.4%，同时将证据捏造减少 74.8%。
来源：arXiv cs.CL · arxiv.org