SearchMaster自博弈框架训练搜索Agent
热点事件持续更新
SearchMaster自博弈框架训练搜索Agent
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
Wentao Tan等作者提出并发布SearchMaster，一个面向搜索智能体的自博弈训练框架：共享的LLM策略在本地搜索环境中自行生成、求解并验证搜索任务，无需人工标注的问答对或专家演示。 该框架用Evidence-Chain Generator、Search-Depth Reward和Over-Opening Penalty三项控制，抑制伪多跳问题、浅层浏览等误导信号，并以GRPO联合优化。作者称代码已公开。
AI 根据报道生成 · 2 小时前更新
最新进展10月15日 12:00
SearchMaster：面向搜索智能体的有据可依、受调控自博弈框架报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv cs.AISearchMaster：面向搜索智能体的有据可依、受调控自博弈框架
SearchMaster 是一个自博弈框架，让共享 LLM 策略在本地搜索环境中自行生成、求解并验证搜索任务，无需人工标注 QA 对或专家演示。它通过 Evidence-Chain Generator、Search-Depth Reward 和 Over-Opening Penalty 三项控制抑制伪多跳问题、浅层浏览等误导信号，并用 GRPO 联合优化。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。