ZEST-Search 用无标签问题在线生成任务训练搜索智能体。
资讯摘要
论文提出 ZEST-Search，一种无需标注数据、注重工具效率的搜索智能体训练框架。它从无标签参考问题出发，在线构建经验证的搜索任务，由异构出题器围绕求解器不断变化的能力边界自适应生成任务，求解器则通过强化学习学习搜索增强推理。作者报告，在七个通用与多跳问答基准上，该方法在无标注搜索训练数据和专家搜索轨迹的情况下持续提升性能，并提高工具效率。
要点速读
- 论文提出 ZEST-Search，通过异构协同进化实现零标签、工具高效的搜索智能体训练。
- 从无标签参考问题出发，以答案优先、证据路径引导的方式在线构建经验证的搜索任务。
- 作者报告在七个通用与多跳问答基准上性能提升且工具效率更高，无需标注搜索训练数据或专家搜索轨迹。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/31 08:00:18（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。