SearchMaster：搜索智能体自博弈训练框架发布
热点事件持续更新
SearchMaster：搜索智能体自博弈训练框架发布
1 篇报道1 个报道来源19 小时前更新
先了解这件事
AI 综述
Wentao Tan 等作者发布论文提出 SearchMaster，一个让共享 LLM 策略在本地搜索环境中自行生成、求解并验证搜索任务的自博弈框架，声称无需人工标注 QA 对或专家演示。该框架引入 Evidence-Chain Generator、Search-Depth Reward 和 Over-Opening Penalty 三项控制，分别针对伪多跳、难度估计失真和过度打开文档问题，并用 GRPO 联合优化。论文称代码已公开。
AI 根据报道生成 · 1 小时前更新
最新进展10月15日 12:00
SearchMaster：面向搜索智能体的有据可依、受调控自博弈框架报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv：cs.AISearchMaster：面向搜索智能体的有据可依、受调控自博弈框架
SearchMaster 是一个自博弈框架，让共享 LLM 策略在本地搜索环境中自行生成、求解并验证搜索任务，无需人工标注 QA 对或专家演示。它通过 Evidence-Chain Generator、Search-Depth Reward 和 Over-Opening Penalty 三项控制解决伪多跳、难度估计失真和过度打开文档等问题，并用 GRPO 联合优化。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。