arXiv 自然语言处理· Taewhoo Lee, Minju Song, Jungwoo Park, Chanwoong Yoon, Junha Jung, Hyeon Hwang, Sanghoon Lee, Minbyul Jeong, Jaewoo Kang·· 8 小时前AI 评分38
用于检索增强大语言模型搜索状态感知的自我评估强化学习
Self-Assessment Reinforcement Learning for Search-State Awareness in Retrieval-Augmented Large Language Models
AI 导读
研究人员提出自我评估强化学习（SARL）框架，使大语言模型在训练期学会感知自身搜索状态并改进搜索行为，测试期无需额外评估。该框架采用双重奖励机制，在多跳推理基准上比最强基准平均提升 35.9%，在深度研究基准上提升 27.9%，整体较最强基准实现 24.3% 的相对提升。SARL 在长搜索路径下仍能保持训练稳定，无需推理期额外脚手架支持。
来源：arXiv 自然语言处理 · arxiv.org