KnowGPO：按已获知识分组奖励训练搜索Agent
热点事件持续更新
KnowGPO：按已获知识分组奖励训练搜索Agent
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
浙江大学等机构作者（Siqi Chen、Zhengxi Lu、Yuchen Yan、Yongliang Shen 等）在 arXiv 发布 KnowGPO 论文，提出面向搜索智能体的强化学习框架：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，以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 三个基准上较仅用结果监督的 GRPO 及过程监督基线 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；以上为作者实验结果，尚未经独立复现。
AI 根据报道生成 · 2 小时前更新
最新进展10月16日 12:00
KnowGPO：面向搜索智能体的知识分组策略优化报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- arXiv · cs.AIKnowGPO：面向搜索智能体的知识分组策略优化
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。
本事件热度走势
- 可比范围当前
- 8
- 可比范围峰值
- 910月16日 16:00
- 近 24 小时变化
- –
02.557.510
16:0017:0018:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。