arXiv · cs.AI· Yijun Zhang, Fan Xu, Jiaxin Ding, Yule Xie, Xin Ding, Haoxiang Zhang·· 1 天前
IGRPO：面向多轮搜索 Agent 的信息增益 Rollout 策略优化
Information Gain-based Rollout Policy Optimization: An Adaptive Tree-Structured Rollout Approach for Multi-Turn Search Agents
arXiv:2607.06223v2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：Yijun Zhang, Fan Xu, Jiaxin Ding, Yule Xie, Xin Ding, Haoxiang Zhang
研究任务与主要进展
研究者提出 IGRPO，通过基于中间状态信息量的预算感知树状 rollout，优化多轮搜索 Agent 的训练轨迹生成。摘要称，该方法在七个搜索增强问答基准上使用 3B 和 7B 骨干模型、且 rollout 预算可比时，平均准确率高于强基线；代码地址为 https://github.com/e3trange/IGRPO。
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