SEF实体熟悉度门控用于深度搜索蒸馏

2026年10月15日，arXiv Artificial Intelligence 刊出 Yifei Liu 等作者的论文，提出 Self-Reported Entity Familiarity（SEF）门控信号及深度搜索蒸馏方法。该工作针对深度搜索智能体蒸馏中教师模型因熟悉实体图关键实体而导致监督信号偏弱的问题，做法是在实体入图前直接询问教师是否熟悉该实体。据该报道，研究者用 Kimi-K3 的 SEF 判断筛选为其他教师收集的图，用保留的图产生 5,411 条额外轨迹；结合新构建的 SEF 门控图产生的 2,200 条轨迹，这些数据使 Qwen3.8-27B 在 BrowseComp 子集上的准确率从 44.10% 提升至 66.41%，并在 BrowseComp、SEAL-0、HLE-text 和 xbench 上取得同规模模型中的最优表现。目前尚无后续跟进报道。

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。