arXiv · NLP· Taewhoo Lee, Minju Song, Jungwoo Park, Chanwoong Yoon, Junha Jung, Hyeon Hwang, Sanghoon Lee, Minbyul Jeong, Jaewoo Kang·· 3 小时前AI 评分33
SARL：面向检索增强大语言模型的搜索状态感知自评估强化学习
Self-Assessment Reinforcement Learning for Search-State Awareness in Retrieval-Augmented Large Language Models
AI 导读
SARL框架通过自评估强化学习，使大语言模型在训练中自主识别搜索状态，显著提升了检索增强模型的搜索行为。该框架采用双奖励设计，在无需测试时额外评估的情况下，取得了比最强基线相对提升24.3%的结果。在多跳推理和深度研究基准测试中，分别实现了35.9%和27.9%的平均提升，超越了依赖辅助监督或多智能体协调的方法。
来源：arXiv · NLP · arxiv.org