★ 4
Iris搜索智能体：攀登搜索前沿
介绍Iris-mini和Iris-pro两个搜索智能体，通过反向构建多跳任务和SFT-RL交替训练，在BrowseComp等基准上取得开源最强成绩。计划开源模型权重和完整训练配方，推动搜索智能体发展。
arXiv cs.AI56 天前
#多跳推理
共 7 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 4
DocHop：信息密集文档中的跨领域多跳推理基准
DocHop是一个用于评估多模态大模型在文档图像中整合图表与上下文推理能力的基准。实验显示，最佳模型准确率仅62.83%，远低于人类90%以上，表明该任务仍具挑战性。
arXiv cs.AI60 天前
★ 3
DocSkill：面向多语言多跳文档问答的技能编排智能体框架
论文提出 DocSkill 智能体框架，用学习到的技能编排策略自适应选择、重访或跳过技能，并以有界蒙特卡洛树搜索离线生成监督数据用于 SFT 与 DPO。团队同时发布含 10 种语言、6 万问答对的 MMHop-DocBench 数据集。基于 Qwen3-VL-8B 的 DocSkill 在该基准…
arXiv NLP5 天前
★ 3
ExecutionRAG 揭示多跳 RAG 检索漂移问题
研究指出多跳 RAG 中大量所谓检索失败实为搜索漂移——搜索不再跟踪未解答的子问题。作者提出免训练的 ExecutionRAG 需求登记机制，在 MuSiQue 上把缺失证据的错误答案从 382 降至 234。但证据恢复并未成比例降低总错误，瓶颈已从引导搜索转向验证证据充分性。
arXiv NLP17 天前
★ 3
研究定位多语言 LLM 多跳推理桥接路由头
论文通过三阶段流程在多语言 LLM 中识别出「桥接路由头」（BRH），发现不同语言的头集合近乎互斥，平均 Jaccard 相似度仅 0.017（Llama 3.1 70B）与 0.057（Qwen 2.5 72B）。消融实验证明其因果作用，放大这些头可无需训练挽救最多 51.7% 的跨语言失败。
arXiv NLP25 天前
★ 2
SARL 强化学习框架发布：提升 RAG 搜索智能体状态感知
研究者提出自评估强化学习 SARL，让模型在训练中学会识别已获得与仍缺失的信息，无需测试时额外评估。双奖励设计兼顾纠错效果与抑制过度依赖，在多跳推理上平均提升 35.9%、深度研究基准提升 27.9%，整体相对最强基线提升 24.3%，并在长搜索链下保持训练稳定。
arXiv NLP10 天前
★ 2
ConvMem：面向长上下文推理的卷积记忆
论文提出 ConvMem，一种无需训练、高度可并行的长上下文推理框架，将长文本推理重构为分层卷积。它把带查询提示的 LLM 视为卷积核，分层摘要文本片段，将推理路径从线性链缩短为对数树，并引入可配置步长、跳跃连接与多核卷积以增强证据捕获与语义分解。在 RULER-HotpotQA 与 RULER-…
arXiv cs.AI53 天前
这个主题的相关资产
相关公司阿里巴巴1