研究人员开发了一种新的自主搜索代理训练框架，旨在提高搜索专业性而不损害通用智能。该框架名为Yuanbao，利用Hunyuan3架构，并将代理强化学习与跨域专家On-Policy Distillation (OPD)流水线相结合。通过将通用领域专家蒸馏到搜索专业化的学生模型中，该方法减轻了“对齐税”，并增强了专业搜索性能和广泛能力。 AI
影响 这项研究可能带来更通用的AI助手，能够执行专业任务和解决通用问题。
排序理由 这是一篇详细介绍AI代理新训练框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
