跳到正文
arXiv · AI· Yijun Zhang, Fan Xu, Jiaxin Ding, Yule Xie, Xin Ding, Haoxiang Zhang·· 2026-10-08AI 评分30

IGRPO:基于信息增益的多轮搜索智能体自适应树状 Rollout 策略优化

Information Gain-based Rollout Policy Optimization: An Adaptive Tree-Structured Rollout Approach for Multi-Turn Search Agents

AI 导读

提出 IGRPO 框架,通过中间状态信息增益动态分配计算预算,优化多轮搜索智能体的强化学习过程。 实验表明,IGRPO 在 7 个搜索增强问答基准上,使 3B 和 7B 模型在相同 Rollout 预算下平均准确率优于强基线。 相关代码已开源。

来源:arXiv · AI · arxiv.org