AGI Hunt· baseten·· 3 小时前AI 评分44
Baseten 揭秘 deep research agent 训练：广度奖励 RL 与 SFT 报告写作
Baseten 揭秘 deep research agent 训练:广度奖励 RL + SFT 报告写作
AI 导读
Baseten 公布 deep research agent 技术博客，将训练拆为搜索研究与报告写作两部分。研究阶段采用广度奖励 RL，鼓励模型检索多样化来源；写作阶段以模型自搜集证据构建优质报告进行 SFT，并追加一轮端到端 RL。
来源：AGI Hunt · agihunt.info