基于主动信息寻求的上下文训练

现有大语言模型部署后难以适应新信息或小众领域知识。虽然上下文优化可无需更新权重即可适配任务，但现有方法多依赖模型内在知识的闭环系统。本文通过集成维基百科搜索和浏览器工具，赋予上下文优化器主动信息寻求能力。研究发现，简单添加工具会降低性能，而结合基于搜索的训练过程（维护并剪枝多个候选上下文）则能带来显著增益。该方法在低资源翻译、医疗场景及复杂推理任务中均表现出数据高效性与鲁棒性。