主要来源arXiv cs.AI
查看原文事件专题 ·单一信源
KnowGPO：基于知识分组优化的搜索智能体强化学习框架
论文提出 KnowGPO，一种针对深度搜索智能体的强化学习方法，将每个查询所需的答案信息分解为原子知识条件，用轨迹满足的条件子集定义状态。满足相同知识状态的轨迹被分到同一组内比较，相邻步骤间的知识增量作为过程奖励信号。在 Xbench、BrowseComp-ZH 和 GAIA 三个基准上，KnowGPO 比 GRPO、GiGPO、IGPO 等 baseline 高出 3.8 到 4.2 分。其 8B 模型的表现达到或超过多数 32B 开源系统。
当前结论
一篇讲怎么给搜索智能体分步打分的新方法，把轨迹按掌握的知识分组比较，8B 模型跑赢了多数 32B 系统，做 agent 训练的可以看看。
2 个信源36° AI 热度最后更新 2026/10/15 17:52:33
证据链
2 个信源相关来源 1rohanpaul_ai
查看原文冲突核查
现有去重数据只说明这些来源讨论同一事件，不代表立场相同。当前没有结构化的支持或反驳证据，不自动推断冲突。