כתבה
arXiv cs.CL ·
Traverse: למידה כשלה לזכור, לאפס, ולהפנות לאורך זמן לחיפוש באינטרנט
Traverse: Learning When to Remember, Reset, and Redirect for Long-Horizon Web Search
אגנטים לחיפוש אורך-זמן לומדים לנהל את ההקשר ולאמת את התוצאות. הם משתמשים בכלי 'Seal Memory' לניהול אקטיבי של ההקשר. המאמר מציג רעיון חדשני לחיפוש אורך-זמן, ומציע פתרון לבעיית 'Seal Collapse' שמתרחשת במהלך הלמידה. המאמר כולל תוצאות מבחן של 72.83% על BrowseComp, ומשווה את התוצאות למערכות פתוחות.
תקציר מקורי באנגליתarXiv:2609.37082v1 Announce Type: new Abstract: Long-horizon information-seeking agents often accumulate noisy or misleading context, causing early mistakes to persist and making recovery increasingly difficult. We introduce an autonomous search harness in which the agent manages its own search process through three states: Rubric, Answer, and Verify. The agent first defines criteria for a valid answer, searches under these criteria, and then independently verifies the result before deciding whether to terminate or continue searching. It is further equipped with a Seal Memory tool that enables active context management. Training this behavior with reinforcement learning, however, can induce Seal Collapse, resulting in unstable training and preventing the agent from reliably learning when a
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית