arXiv 自然语言处理· Kyuyoung Kim, Zilin Xiao, Zhiyuan Wang, Avinash Atreya, Ke Yang, Jinwoo Shin, Kecheng Hao·· 6 小时前AI 评分37
学习编写检索程序：通过强化学习组合搜索原语
Learning to Program Retrievals: Composing Search Primitives via Reinforcement Learning
AI 导读
研究提出检索程序学习（RPL）框架，利用强化学习将搜索原语组合成包含局部状态和控制流的可执行程序，并借助程序变异机制解决 RL 探索难题。评测显示，经 RPL 训练的 4B 模型在开放域问答中表现超越所有 8B 模型基线，并在语料库级推理中取得最高的 answer F1 与 document-coverage F1，同时显著减少了上下文消耗与检索轮次。
来源：arXiv 自然语言处理 · arxiv.org