跳到正文
arXiv · AI· Siqi Chen, Zhengxi Lu, Yuchen Yan, Xingyu Wu, Qipeng Chen, Xin Zhang, Aiting Liu, Chao Deng, Jie Liu, Jin Ma, Weiming Lu, Jun Xiao, Yongliang Shen·· 2026-10-16AI 评分40

KnowGPO:基于知识分组的策略优化提升搜索智能体

KnowGPO: Knowledge-Grouped Policy Optimization for Search Agents

AI 导读

研究人员提出 KnowGPO 框架,通过任务相关知识条件对齐轨迹状态,而非依赖表面观察或内部信号。 在 Xbench、BrowseComp-ZH 和 GAIA 实验中,KnowGPO 比 GRPO 及过程监督基线提升 3.8 至 4.2 分。 其 8B 模型性能匹敌或超越多数 32B 开源系统,显著改善长程交互中的信用分配难题。

来源:arXiv · AI · arxiv.org