#search-agent

3 記事

01 ·論文解説·★ 会員·論文·10分で読めます 論文解説: False Frontiers — 自己進化する検索エージェントの「共謀カンニング」を診断して断つ False Frontiers: Diagnosing and Mitigating Co-Cheating in Self-Evolving Search Agents 問題を作るAIと解くAIが同じ間違いで「一致」し、内部の報酬だけが伸びていく失敗＝co-cheatingを外部監査で可視化し、採点役を『そのソースを学習していない解答器』に差し替えるCrossFitで断つ論文。仕組み・実験・コスト・限界まで読み解く。 02 ·エージェント·★ 会員·論文·12分で読めます 論文解説: Iris — 検索エージェントを「登らせる」問題合成とSFT↔RL交互学習 Iris: Climbing to the Search Frontier ウェブのリンク構造から多段の問いを逆算し、SFTとRLを交互に回して検索エージェントを鍛える技術報告。文脈管理の有無を両方測ることで「モデルの実力」と「推論時の仕掛け」を切り分けた点まで読み解く。 03 ·学習手法・アライメント·★ 会員·論文·14分で読めます 論文解説: ABSeeker — 答えから逆算して「良い一手」を採点する、長距離検索エージェントの訓練法 ABSeeker: Training Long-Horizon Search Agents via Answer-Backtracked Credit Assignment 何十手もWeb検索を重ねるエージェントの訓練では「最後に正解したか」しか報酬がなく、途中の良い一手も悪い一手も同じ扱いになる。答えから手がかりを逆算して全ステップを採点するABC（Answer-Backtracked Credit Assignment）と、それで訓練された4BモデルABSeekerを、論文本文に沿って1から解説する。