★ 3
SOAR：面向搜索智能体的来源感知强化学习
针对搜索智能体常绕过外部信息、编造答案的「证据捏造」问题，研究者提出SOAR范式，通过来源感知工作流将外部与内部知识拆解为可观测的并行流，并引入来源一致性奖励实现精确信用分配。在3B与7B骨干上分别较基线提升7.3%与5.4%，证据捏造减少74.8%，在知识密集型基准上表现更忠实可靠。
arXiv NLP21 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
针对搜索智能体常绕过外部信息、编造答案的「证据捏造」问题，研究者提出SOAR范式，通过来源感知工作流将外部与内部知识拆解为可观测的并行流，并引入来源一致性奖励实现精确信用分配。在3B与7B骨干上分别较基线提升7.3%与5.4%，证据捏造减少74.8%，在知识密集型基准上表现更忠实可靠。