一篇新的arXiv论文称，SARL提升了检索式语言模型的搜索表现，且使用时无需增加评估步骤。
简讯作者： OossaOossa 发布日期: 1 分钟阅读
研究人员提出了自我评估强化学习（SARL），这是一种训练语言模型的方法，适用于先搜索信息再作答的模型。该方法教模型追踪已找到的信息和仍然缺少的信息，旨在减少错误推理和过早停止搜索的情况。
作者称，与最强基线相比，SARL的相对表现提升了24.3%；在多跳推理和深度研究基准测试中，相较于各任务的最强基线，平均分别提升了35.9%和27.9%。他们表示，SARL在生成答案时无需额外评估；不过，论文摘要没有说明测试所用的模型，也未提供足够细节来判断这些结果能否适用于实际部署的搜索工具。
对于开发研究助理的团队而言，SARL表明，可以在训练阶段教会模型追踪搜索进展，而不必在使用时另设步骤；但论文摘要并不能证明它有助于现实产品。
模型
这款拥有5520亿参数的新模型，编码准确率可媲美Astra，每项任务仅需$0.43，大幅降低AI软件工程成本。
模型
在Fireworks的测试中，DeepSeek V4 Pro在两项编程基准测试中胜过Fable 5，且每项完成任务的成本更低。结果由公司自行报告。
模型
Canva的新款AI可生成最高2K分辨率图像，支持精细布局和可编辑文字；所有用户均可通过Dream Lab使用，未来还将开放API。
Oossa · 新闻简报
一周 AI，讲明白
每周一，用通俗的语言讲清值得知道的新闻。免费，无垃圾邮件。
