SearchMaster自博弈搜索智能体训练框架

2026年10月15日，arXiv人工智能板块出现一篇由Wentao Tan等作者提出的SearchMaster框架报道。该框架是一个自对弈（self-play）框架，让共享LLM策略在本地搜索环境中自行生成、求解并验证搜索任务，无需人工标注QA对或专家演示。为提升训练质量，框架引入Evidence-Chain Generator以减少伪多跳问题，用Search-Depth Reward按搜索深度评估任务难度，并以Over-Opening Penalty抑制过度打开文档，最终通过GRPO进行联合优化。报道称代码已公开（原文以“this https URL”指代）。目前该事件仅有这一篇主报道，尚无后续跟进报道，也未出现与早先报道在数字、时间或说法上的矛盾。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。