CM-GSPO

Glasseek框架增强了深度搜索代理的透明度和性能

研究人员推出Glasseek，一个旨在增强深度搜索代理训练的透明度和可复现性的新框架。该框架解决了数据审计、上下文压缩不匹配和评估污染等挑战。Glasseek包括一个可验证的轨迹策管线、一种Compaction-Managed GSPO (CM-GSPO)训练方法以及一个用于评估的模块化防泄露插件。使用Glasseek训练的9B代理在开放权重代理中展示了最先进的性能，并在各种深度研究基准测试中超越了专有代理。