BrowseComp-Plus 相关 AI 资讯 · AI 热点

7月29日

07:54

07:54

elvis@omarsar0

精选

Meta和CMU联合提出ACM（Agentic Context Management）方法，用于长周期智能体任务。传统方法按token阈值压缩并丢弃上下文，ACM让智能体自主决策何时压缩，将丢弃内容存入外部记忆并可查询。基于高质量演示的后训练pipeline在BrowseComp-Plus基准上取得27%相对提升，性能接近比它大40倍的开源模型。代码、数据和checkpoint已开源。

论文 Meta CMU ACM

推荐理由：Meta和CMU的新研究：智能体自己管理上下文，不再傻傻丢东西。在BrowseComp-Plus上提升了27%，代码已开源，值得看看。

7月16日

11:20

11:20

官方账号arXiv cs.LG@Leitian Tao, Baolin Peng, Wenlin Yao, Tao Ge, Hao Cheng, Mike Hang Wang, Jianfeng Gao, Sharon Li

TRACE是一种密集信用分配方法，用于代理强化学习，通过冻结参考模型获取黄金答案的log概率，转化为log比值状态值，并利用时间差分变化推导每动作奖励。在长程复杂搜索中，该方法无需冷启动监督微调或中间训练，即可显著提升基础模型工具使用能力。在封闭网络BrowseComp-Plus基准上，TRACE将Qwen3-4B从7.2提升至35.6，将Qwen3-30B-A3B从8.4提升至42.6。学习曲线显示RL训练期间更快改进和收敛。

论文 TRACE Qwen3 BrowseComp-Plus

推荐理由：想解决Agent长程任务奖励稀疏问题？看TRACE方法，无需额外批评器，用TD变化给每步打分，Qwen3在BrowseComp-Plus上从7分直接跳到35分。

7月1日

11:38

11:38

官方账号arXiv cs.LG@Zijun Xie, Binbin Zheng, Enlei Gong, Jihua Liu, Yuyang You, Lingfeng Liu, Jiayao Tang, Guanqun Zhao, Aoqi Hu, Zeyu Chen

ECHO通过源索引重建方法，将每个环境交互回合压缩为紧凑记忆记录，并从中选择构建策略上下文。该方法在BrowseComp-Plus基准上达到43.4%保留准确率，超越GRPO的28.9%和SUPO的36.1%，且使用更少回合和轨迹量。训练后的策略在多项问答、代码生成和深度信息检索任务中实现了零样本泛化提升。

论文 ECHO BrowseComp-Plus 智能体

推荐理由：这篇论文提出的ECHO框架，能让智能体在长回合任务中既保留细粒度证据，又能用强化学习追踪信用分配，效果比GRPO和SUPO都强。