Search-R1
PulseAugur coverage of Search-R1 — every cluster mentioning Search-R1 across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的“Follow the Winners”算法增强了LLM的强化学习
研究人员推出了一种名为“Follow the Winners”（FTW）的新型无批评者强化微调算法，专为代理式大型语言模型（LLM）设计。与依赖于有状态环境中不切实际的重复回滚的现有GRPO风格方法不同，FTW使用回放缓冲区样本上的序数滤波器来适应交叉熵方法。这种方法允许回报的顺序统计量具有多项式集中性，使其适用于无法进行重复回滚的场景。在代理式LLM的后训练中，FTW在Sokoban和Search-R1基线上表现出与GRPO和PPO…
-
新的 RAG 方法在保持准确性的同时减少了检索调用
研究人员开发了一种新的多轮检索增强生成（RAG）系统方法，用于确定何时停止搜索信息。通过采用结构化充分性-差距判断方法，他们在冻结的 Search-R1 管道中训练了一个 Qwen3.5-2B 模型作为裁判。该方法在测试集上成功将检索调用减少了 3.70%，同时答案准确性仅略微下降了 0.625 个百分点。
-
Harness-G 框架增强了强化学习搜索代理
研究人员推出 Harness-G，一个新颖的图结构框架，旨在改进强化学习搜索代理。这种新方法通过将查询生成重新构建为有限动作选择过程，解决了“检索等价崩溃”问题，即不同的查询产生相似的证据。Harness-G 在六个 QA 基准测试中取得了卓越的性能，在两个评估的模型规模上都显著优于 Graph-R1 基线。
-
新基准LIMIT+揭示神经检索器在复杂集合组合查询方面存在困难
一篇新近发表在arXiv上的研究调查了信息检索系统在面对复杂、集合组合查询时的性能。研究人员发现，虽然神经检索方法在某些基准测试上显著优于传统的BM25，但在旨在测试约束满足的更受控的数据集上，其有效性有所下降。研究强调，随着查询复杂度的增加，所有方法的性能都会持续下降，而词汇检索比密集检索方法表现出更稳定的结果。