热点事件持续更新
研究团队提出自评估强化学习框架SARL
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
2026年10月，研究人员在arXiv发布论文，提出面向检索增强大语言模型的自我评估强化学习（SARL）框架。该框架采用双重奖励机制，使大语言模型在训练期即可感知自身搜索状态并改进搜索行为，在长搜索路径下仍能保持训练稳定，且在测试期无需额外的评估或脚手架支持。实验评估显示，SARL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%，整体性能较最强基准实现了24.3%的相对提升。
AI 根据报道生成 · 7 小时前更新
最新进展10月23日 12:00
研究人员提出SARL框架，使检索增强大模型具备搜索状态感知能力且整体性能提升24.3%。报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- arXiv 自然语言处理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
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。
本事件热度走势
当前热度 8·可比范围峰值 10（10月23日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。