近期，搜索型 Agent 的热度持续攀升⸺从 OpenAI 的 Deep Research 到各类学术探索，「多轮检索 ⼯具调⽤ 深度推理」的新范式正在深刻改变 AI 获取和整合信息的⽅式但如何让这些 Agent 能⼒持续提升，达到接近⼈类的表现⽔平，仍然是⼀个核⼼挑战。

⽬前主流的训练⽅法是可验证奖励强化学习（RLVR）：给定任务题⽬和标准答案，⽤最终预测结果的正确性作为奖励信号来训练 Agent然⽽，这种⽅法⾯临着⼀个根本性的瓶颈：要让 Agent 变强，需要大量「高质量任务 可验证答案」的数据支撑。

声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。