arXiv · NLP· Shengze Huang, Zihao Tang, Jinluan Yang, Xin Yu, Zhenghao Lin, Xiao Liu, Zengxuan Wen, Yeyun Gong, Haizhen Huang, Weiwei Deng, Feng Sun, Qi Zhang, Fei Wu, Kun Kuang·· 2026-10-12AI 评分37
SOAR: 基于来源感知强化学习与精确信用分配机制搜索智能体方案
SOAR: Source-Aware Reinforcement Learning with Precise Credit Assignment for Search Agents
AI 导读
提出来源感知强化学习范式 SOAR,旨在解决搜索智能体绕过外部证据而虚构答案的问题。 通过将内部与外部知识分解为可观测的并行流,SOAR 在 3B 和 7B 基座模型上性能分别提升 7.3% 和 5.4%,并将证据虚构率降低 74.8%。 该方法有效强化了模型在知识密集型任务中的忠实性与鲁棒性。
来源:arXiv · NLP · arxiv.org