arXiv · 02.08.2026 ·Исследования и наука

Search-GRT: новый метод обучения агентов для многошагового поиска

Исследователи представили метод Search-GRT, оптимизирующий работу LLM с поисковыми системами в задачах многошагового поиска ответов (MHQA). Технология направлена на устранение каскадных ошибок, возникающих при декомпозиции сложных запросов. Обучение агентов с использованием этого подхода позволяет значительно повысить точность извлечения данных и последующего синтеза ответов из множества разрозненных источников информации.

Основная проблема существующих систем заключается в том, что неверный поисковый запрос на первом этапе неизбежно ведет к искажению итогового результата. Search-GRT внедряет механизм управляемого обучения (Guided Retrieval Training), который корректирует поведение модели на каждом этапе взаимодействия с поисковым движком. Это позволяет агенту лучше понимать структуру сложных вопросов и эффективнее фильтровать релевантный контент.

Метод фокусируется на улучшении процесса декомпозиции запросов, что критически важно для задач, требующих глубокого анализа данных. В отличие от стандартных RAG-систем, где поиск часто ограничен одним шагом, данный подход обеспечивает итеративное уточнение стратегии поиска, минимизируя «галлюцинации» и повышая фактологическую точность ответов в сложных сценариях.

Ключевые факты

Метод Search-GRT предназначен для решения задач многошагового поиска (Multi-hop Question Answering).
Технология минимизирует каскадные ошибки, возникающие при неверной интерпретации подзапросов на ранних этапах поиска.
Подход оптимизирует процесс декомпозиции сложных вопросов на последовательность уточняющих поисковых запросов.
Метод повышает качество синтеза ответов за счет более точного извлечения данных из нескольких независимых источников.

Источник: arXiv

Обсудить с ИИ

Похожие материалы

arXiv · Исследования и наука RSF-GLLM: новый подход к многошаговым ответам на вопросы по графам знаний Исследователи представили фреймворк RSF-GLLM, решающий проблему семантического разрыва при работе с графами знаний. Метод разделяет дифференцируемое рассуждение по графу и генерацию ответа языковой моделью, что позволяет эффективно находить промежуточные узлы, даже если они не имеют прямого лексического сходства с исходным запросом. Это повышает точность ответов в сложных многошаговых задачах. arXiv · Оркестрация агентов Новый метод обучения GUI-агентов через автономное исследование опыта Исследователи представили метод повышения эффективности мультимодальных веб-агентов при выполнении сложных задач в графических интерфейсах. Подход базируется на автономном исследовании среды и использовании ретроспективного анализа накопленного опыта. Это позволяет компактным open-source моделям значительно улучшить навыки планирования и обобщения действий на различных сайтах, не уступая в качестве работы проприетарным крупным языковым моделям. Hacker News · Оркестрация агентов Autoresearch: методология самообучающихся ИИ-агентов через циклы обратной связи Концепция Autoresearch описывает архитектурный подход к созданию автономных агентов, способных к итеративному самосовершенствованию. Система использует механизмы рефлексии и анализа результатов выполнения задач для корректировки собственных стратегий поиска и обработки информации. Такой подход позволяет агентам минимизировать количество ошибок при работе со сложными данными и повышать точность ответов без прямого вмешательства человека в процесс обучения. arXiv · Исследования и наука STEC: новый метод сжатия доказательств для многоходового поиска в LLM Исследователи представили STEC (Search Trajectory Evidence Compression) — метод оптимизации многоходового поиска для ответов на сложные вопросы. Технология сжимает цепочки доказательств, полученные в ходе поисковых итераций, устраняя избыточную информацию. Это позволяет LLM-агентам точнее синтезировать финальные ответы, снижая уровень «галлюцинаций» и повышая релевантность данных при работе с обширными базами знаний. arXiv · Память и RAG GeoRAG: новый подход к оптимизации контекста в RAG-системах Исследователи представили GeoRAG — метод оптимизации выбора контекста для RAG-систем, решающий проблему неполного охвата информации при сложных запросах. Вместо стандартного ранжирования чанков по близости к одному эмбеддингу, система переосмысливает поиск как задачу покрытия информационных потребностей. Это позволяет эффективно обрабатывать многоходовые и неоднозначные вопросы, избегая избыточности и потери важных деталей. arXiv · Машинное обучение Метод TRIAGE для точного распределения вознаграждения в агентном обучении Исследователи представили метод TRIAGE, который решает проблему неэффективного распределения кредита (credit assignment) в агентном обучении с подкреплением. В отличие от стандартного алгоритма GRPO, который оценивает только финальный результат, TRIAGE классифицирует действия агента по типам ролей. Это позволяет точнее определять вклад каждого шага — от навигации до редактирования — в итоговый успех, избегая наказания за полезные исследовательские действия. arXiv · Исследования и наука Метод Off-Context GRPO для обучения моделей рассуждению на сложных задачах Исследователи представили метод Off-Context GRPO, решающий проблему «нулевого сигнала» при обучении моделей с подкреплением (RLVR). В сложных задачах, где модель не может найти верный ответ, стандартные алгоритмы перестают обучаться. Новый подход использует привилегированную информацию, такую как префиксы решений, для направления процесса обучения и преодоления барьера сложности в задачах с верифицируемыми результатами. arXiv · Память и RAG Байесовская оценка неопределенности для агентских RAG-систем Исследователи представили фреймворк для агентских RAG-систем, позволяющий оценивать вероятность ошибок в многошаговых цепочках рассуждений. Система использует байесовское распространение неопределенности на этапах планирования, оценки и генерации, опираясь на семантическую дивергенцию и механизмы саморефлексии моделей. Это решение повышает надежность автономных агентов при выполнении сложных задач, требующих многократного обращения к внешним источникам данных. Hacker News · Память и RAG Autoretrieval: автоматизация поиска и сбора данных для RAG-систем Autoretrieval — это новый инструмент для оптимизации RAG-пайплайнов, который автоматизирует процесс поиска и сбора контекста. Вместо статического извлечения данных система самостоятельно выполняет итеративный поиск, анализирует релевантность найденных фрагментов и уточняет запросы, что позволяет повысить точность ответов LLM при работе с большими массивами неструктурированной информации и сложными пользовательскими запросами. Hacker News · Инфраструктура для агентов Оптимизация веб-поиска для локальных LLM без перерасхода контекстного окна Разработан метод эффективного подключения веб-поиска к локальным языковым моделям, позволяющий минимизировать потребление токенов. Вместо передачи полного содержимого веб-страниц в контекстное окно, решение использует специализированные инструменты для извлечения релевантных фрагментов данных. Это позволяет компактным моделям выполнять поисковые задачи, сохраняя производительность и избегая ограничений контекста, характерных для работы с объемным контентом в реальном времени.

← Все материалы