arXiv · cs.AI· Siqi Chen, Zhengxi Lu, Yuchen Yan, Xingyu Wu, Qipeng Chen, Xin Zhang, Aiting Liu, Chao Deng, Jie Liu, Jin Ma, Weiming Lu, Jun Xiao, Yongliang Shen·· 7 小时前
KnowGPO：面向搜索智能体的知识分组策略优化
KnowGPO: Knowledge-Grouped Policy Optimization for Search Agents
arXiv:2610.22331v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Siqi Chen, Zhengxi Lu, Yuchen Yan, Xingyu Wu, Qipeng Chen, Xin Zhang, Aiting Liu, Chao Deng, Jie Liu, Jin Ma, Weiming Lu, Jun Xiao, Yongliang Shen
研究任务与主要进展
作者提出KnowGPO强化学习框架，按轨迹已满足的原子知识条件对搜索过程分组，并以相邻步骤的增量知识作为过程奖励，缓解深度搜索中难以归因单个决策的问题。基于论文摘要，该方法在Xbench、BrowseComp-ZH和GAIA上较结果监督的GRPO及GiGPO、IGPO提升3.8至4.2分，8B模型达到或超过多数32B开源系统。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org