提出 DEEPRUBRIC 证据树数据构建框架以生成对齐的查询与评分标准,用于训练深度研究智能体,在减少约13倍强化学习GPU训练时间的同时取得了与先进模型相当的性能。
机构:山东大学
来源:arXiv 2606.17029 | AI4Papers 论文推荐平台