SOAR框架通过源感知强化学习显著降低搜索代理的证据伪造率

发生了什么

据arXiv cs.CL报道，研究者提出SOAR（SOurce-Aware Reinforcement learning）框架，旨在解决搜索代理中的证据伪造问题。SOAR通过源感知工作流将外部信息$E_{ext}$和内部知识$E_{int}$解耦为并行、可观察的流，并引入源一致奖励引导策略演化。评估显示，SOAR在3B和7B骨干网络上分别优于基线7.3%和5.4%，同时将证据伪造率降低了74.8%。