摘要
大型语言模型正被扩展为深度搜索代理,通过与外部工具的多步交互解决复杂问题。现有方法常因冗余查询和低效探索导致高昂成本,且统一惩罚工具使用可能抑制必要证据的收集。本文提出CRISP框架,通过关键步骤感知训练高效代理。利用逆向证据诱导构建关键步骤标签,蒸馏出轻量级识别器以单遍分析轨迹。在策略优化中,仅对成功 rollout 应用效率感知奖励。实验表明,CRISP在保持准确率的同时显著降低了交互轮次,提升了效率。
AI 推荐理由
论文聚焦于深度搜索Agent的多步交互效率,通过识别关键步骤优化探索轨迹,属于任务规划与执行路径优化的核心范畴。
研究机构
Baidu Inc., China
Institute of Computing and Intelligence, Harbin Institute of Technology, Shenzhen, China
论文信息