基准
Search-QA
一个要求智能体通过多轮检索问答来回答问题的基准，评估信息搜索与整合能力。
时间轴 (近 90 天)
10月15日
该复现研究覆盖ALFWorld、ScienceWorld、Search-QA和WebShop四个智能体任务环境，横跨三种模型规模，对比了10种代表性自蒸馏方法与GRPO基线。
待验证50%
一个要求智能体通过多轮检索问答来回答问题的基准，评估信息搜索与整合能力。
该复现研究覆盖ALFWorld、ScienceWorld、Search-QA和WebShop四个智能体任务环境，横跨三种模型规模，对比了10种代表性自蒸馏方法与GRPO基线。