SearchQA
PulseAugur coverage of SearchQA — every cluster mentioning SearchQA across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新框架使AI智能体能够通过回顾蒸馏实现自进化
研究人员开发了一个名为回顾性自蒸馏（RSD）的新框架，使AI智能体能够从自身经验中学习和改进，即使在没有地面真实解或验证器派生奖励的情况下也是如此。这个多轮过程利用特权回顾性上下文，模型既充当学生也充当老师，根据过去的任务、反思和未来的事后诸葛亮来重新评分自己的行为。该框架允许模型、数据和监督共同进化，从而在ALFWorld、ScienceWorld和SearchQA等基准测试中取得显著的性能提升。
-
新方法大幅降低为大型语言模型添加技能的成本
研究人员开发了一种名为“.method”的参数高效方法，用于将技能注入冻结的语言模型中，与现有方法相比，成本显著降低。这项新技术使用低秩激活引导机制，在保持甚至提高各种任务性能的同时，可以大幅减少参数。该方法已被证明在不同模型和任务上都有效，技能像线性算子一样组合，可以在推理时进行操作。
-
新研究探讨 RAG 的局限性，提出基于证据的质量门 · 跟踪 2 个来源
两篇新研究论文探讨了确保检索增强生成（RAG）系统事实准确性的挑战和潜在解决方案。第一篇论文“RAG-Stress”引入了一个诊断协议，用于探测证据依赖的极限，揭示模型可能会被不正确的证据误导，导致与依赖先验知识相比，“误导率”更高。第二篇论文“AGO AI Quality Gate”提出了一个基于证据的框架，用于 RAG 系统的发布决策，强调需要验证 LLM 裁判，并将缺失证据视为一等结果，而不是静默通过。两项研究都突显了模型遵循检…
-
SkillAA框架通过归因引导的更新增强了LLM的外部技能集成
一个名为SkillAA的新框架已被开发出来，以改进大型语言模型与外部技能的交互方式。该系统使用技能图来指导这些技能的选择、修复和验证，通过对比成功和失败的执行来 pinpoint 改进的具体领域。SkillAA在与GPT 5.6 "Sol"集成后，在SearchQA、LiveMath和DocVQA等基准测试中表现强劲，取得了高分，并在各种设置中超越了其他方法。
-
新的 WHALE 方法联合优化 AI 代理权重和 Harness 代码
研究人员开发了一种名为 WHALE（Weight-Harness Alternating LEarning）的新方法，通过同时更新模型权重和管理上下文与控制流的 Harness 代码来联合优化 AI 代理性能。该方法在更新模型和搜索改进的 Harness 之间交替进行，解决了单独优化一个组件会限制另一个组件的瓶颈问题。使用 Qwen3.5-2B/4B 代理在 SearchQA、数学推理和国际象棋谜题等任务上的实验表明，WHALE 的性…
-
新的AUSO方法优化AI代理技能，从指导到利用
研究人员引入了AUSO（动作级统一技能优化），一种新颖的AI代理训练方法，它将技能从外部指导逐步整合到内部决策知识中。该方法旨在改进代理在其策略演变过程中学习和利用技能的方式。AUSO在训练早期联合学习教师指导和环境结果，然后转向基于结果的优化，最后根据有技能条件和无技能条件的上下文评估动作，以完善技能利用。在ALFWorld、WebShop和SearchQA基准上的实验表明，AUSO增强了代理的性能和泛化能力。
-
新研究解决了长时序任务中LLM智能体的信用分配问题 · 已追踪2个来源
两篇新研究论文探讨了改进大型语言模型（LLM）智能体信用分配的方法，特别是在成功信号稀疏的长时序任务中。第一篇论文《无真实标签的信用分配》（Credit Without Ground Truth）在ALFWorld中根据因果真实标签审计了现有的信用信号，发现它们表现不佳，常常反映模型流畅性而非实际贡献。第二篇论文《TRCA：逐转换评分信用分配》（TRCA: Transition-wise Rubric Credit Assignmen…
-
新的CAPS框架弥合了视觉-文本压缩中的智能体策略差距
研究人员开发了一个名为CAPS（跨模态智能体策略自蒸馏）的新框架，以解决多步语言模型智能体在视觉-文本压缩中的能力差距。当交互历史被转换为图像时，这种差距会出现，从而影响智能体性能。CAPS采用两阶段自蒸馏过程，使用更强的文本历史策略作为监督者来训练视觉历史智能体策略。该方法在SearchQA和ALFWorld等任务上显著提高了性能，同时大幅降低了内存-上下文成本。
-
SoftSkill 方法将 LLM 技能压缩为紧凑的潜在控制
研究人员开发了 SoftSkill，一种通过将技能压缩为紧凑、连续的上下文对象来使大型语言模型适应特定任务的新方法。该方法使用可训练的“软 delta”来精炼冻结的主干模型，其性能显著优于传统的基于 Markdown 的技能文件。SoftSkill 在 SearchQA、LiveMath 和 DocVQA 等基准测试中显示出显著的准确性提高，同时大大减少了技能编码所需的 token 数量。
-
香港中文大学团队推出SLIM，实现大语言模型智能体的动态技能管理
香港中文大学的研究人员开发了SLIM，一个用于管理大语言模型智能体所用技能生命周期的新框架。SLIM在训练过程中动态评估每个外部技能的贡献，保留有用的技能，淘汰影响减弱的技能，并扩展技能集以应对新的失败场景。这种方法旨在通过超越简单地累积或丢弃技能来优化智能体的性能，使其能够更有效地适应复杂任务。