EG-GRPO深度搜索智能体强化学习论文发布

Sijia Luo等人于2026年10月18日发布arXiv论文，提出EG-GRPO框架，利用合成深度搜索数据中的证据标注为LLM搜索智能体提供步级过程奖励。 该框架通过识别证据声明的第一个支持引用来构建步级过程奖励，并结合轨迹级结果优势进行状态条件相对优势估计，实现更精细的信用分配。 在五个深度搜索基准测试中，EG-GRPO普遍优于标准GRPO及现有奖励增强和步级RL基线方法，展示了其在提升搜索智能体性能方面的有效性。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。