FALCA论文提出证伪感知RL训练深搜索Agent

FALCA提出一种面向长程深度搜索智能体的证伪感知强化学习框架，采用协作式Searcher-Falsifier架构，让搜索器提出候选答案、独立证伪器寻找反证并修订研究状态。其训练结合证伪轨迹的SFT预热、并行rollout和覆盖研究阶段、状态转移与动作层级的强化学习信用分配；基于论文摘要，作者在五个搜索基准上报告了优于骨干模型及框架消融的表现，并减少确认偏误与误差累积。

摘自 arXiv · cs.AI

还没有足够的连续观测数据，暂不绘制趋势。