论文提出多跳检索器自纠错训练

论文作者提出 on-policy state training，让链式嵌入多跳 RAG 检索器根据自身检索错误更新编码器并学习恢复。该检索器仅用 gold history 训练、无需调用语言模型，实验表现优于图方法，并可媲美搜索 agent。 测试至第三跳时，约一半以上状态包含错误段落，检索器容易漏掉缺失的 gold passage；这一训练方法旨在提高真实推理过程中的稳健性。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。