arXiv · NLP· Kyuyoung Kim, Zilin Xiao, Zhiyuan Wang, Avinash Atreya, Ke Yang, Jinwoo Shin, Kecheng Hao·· 4 小时前AI 评分42
RPL 框架通过程序变异增强强化学习检索能力
Learning to Program Retrievals: Composing Search Primitives via Reinforcement Learning
AI 导读
RPL 允许策略将检索基元组合成可执行程序，通过程序变异机制解决稀疏反馈下的探索难题。 使用 4B 模型在开放域问答中优于 8B 基线，在语料库推理任务中同时取得最高 F1 分数并显著降低上下文消耗。 证明了可编程搜索能扩展智能体可学习的检索策略，程序变异是探索有用程序结构的有效机制。
来源：arXiv · NLP · arxiv.org