通过强化学习在真实环境中进行深度研究扩展。
DeepResearcher 现已在 huggingface-hub 上提供:
| 模型名称 | HF 检查点 | 大小 |
|---|---|---|
| DeepResearcher-7b | GAIR/DeepResearcher-7b | 7B |
在开放域研究任务上的广泛实验表明,DeepResearcher 在基于提示工程的基准模型上实现了高达 28.9 分的显著改进,在基于 RAG 的 RL 代理上实现了高达 7.2 分的改进。我们的定性分析表明,通过端到端 RL 训练产生了新的认知行为,包括制定计划、从多个来源交叉验证信息、进行自我反思以重新指导研究,以及在无法找到确定性答案时保持诚实。我们的研究结果强调了在现实世界 Web 环境中进行端到端训练不仅仅是实现细节,而是开发与现实世界应用相匹配的可靠研究能力的基本要求。
暂无开放 Issues，或尚未同步最近议题。