SARL：检索增强大语言模型的搜索状态感知自评估强化学习

Taewhoo Lee 等研究者提出名为 SARL（Self-Assessment Reinforcement Learning，自评估强化学习）的框架，旨在解决检索增强大语言模型中的搜索状态识别问题。该框架的核心创新在于使模型在训练过程中自主识别其搜索状态，从而显著改善检索增强模型的搜索行为。 SARL 框架采用了双奖励设计，这一设计使其在无需在测试阶段进行额外评估的情况下，依然能取得优异效果。与最强基线模型相比，SARL 实现了 24.3% 的相对性能提升，展现了其有效性。 在具体任务表现上，SARL 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% 的平均性能提升。这些结果不仅超越了依赖辅助监督或多智能体协调的传统方法，也验证了 SARL 框架在复杂检索任务中的优势。

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。