提出SynPlanResearch-R1框架,通过合成鼓励深度探索的工具使用轨迹来改进研究代理的冷启动监督微调,从而为后续强化学习提供更强初始化,在七个多跳与开放网络基准上显著提升Qwen3-8B和Qwen3-4B模型性能。
机构:Amazon
来源:arXiv 2603.07853 | AI4Papers 论文推荐平台
AI4Papers 是一个以每日 arXiv 论文发现为入口的 AI 科研工作流平台,帮助研究者用最短时间掌握最新 AI/ML 前沿动态。
核心功能完全免费。高级 AI 功能(对比分析、深度研究、灵感工作台)支持自带兼容 API Key(如 OpenAI、通义千问)无限使用。
免费注册 | 使用教程