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