arXiv · AI· Wentao Tan, Qiong Cao, Jiaqi Wang, Nan Duan·· 2026-10-14AI 评分29
SearchMaster:基于 grounding 和 constrained self-play 的训练搜索 Agent 框架
SearchMaster: Grounded and Regulated Self-Play for Search Agents
AI 导读
SearchMaster 是一个自博弈框架,能让 LLM 搜索 Agent 在本地环境中自行生成、解答并验证任务来训练共享策略,无需人工标注或专家演示。 它通过 ECG、SDR、OOP 三种控制机制过滤无效任务和不合理的搜索行为,并以 GRPO 对提议者与求解者进行联合优化。
来源:arXiv · AI · arxiv.org