待验证50% 置信事实精确时间
RPL（Retrieval Program Learning）框架让策略模型将检索原语组合成带局部状态和控制流的可执行程序，并通过强化学习优化这些程序。
1
来源数
50%
置信度
长期有效
时效性
2026/10/20
首次发现
来源
强化学习让AI自主编写检索程序，4B模型超越8B基线
rss2026/10/17
涉及实体
相关事实
待验证RPL框架设计了程序变异（program mutation）机制来缓解强化学习中的稀疏反馈问题，使小模型也能学到复杂的多步搜索策略。76% 相似待验证RPL的程序变异机制包括三步：采样次优程序、在预定义语法规则内做语法约束变异、实际运行验证并将有效变异转化为训练轨迹蒸馏回策略模型。70% 相似待验证RLM 通常指将强化学习机制与语言模型深度融合的一类模型架构68% 相似已验证上下文学习（ICL）指大语言模型无需更新权重，仅通过在输入提示中提供示例或指令就能执行新任务的能力，这一能力在GPT-3论文中被首次系统性描述68% 相似待验证模型化强化学习（Model-based RL）通过学习环境的动态模型来提升样本效率，减少对真实交互的依赖66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1074695API
curl https://kongchang.com/api/v1/knowledge/claims/1074695MCP
get_claim(id=1074695)