提出 Cycle-Consistent Search(CCS)框架,利用问题到搜索轨迹的循环一致性(即高质量轨迹应能无损编码原问题意图并支持准确重构)作为无需金标准监督的代理奖励,结合信息瓶颈(排除最终响应、NER掩码搜索查询)缓解信息泄漏,从而训练搜索代理;在多个问答基准上验证其性能媲美有监督基线,并优于其他无…
机构:Meta
来源:arXiv 2604.12967 | AI4Papers 论文推荐平台