DR-Venus 论文总结 + 关键章节中英对照
一、核心内容总结
1. 研究背景
- 深度研究智能体需长程搜索、浏览、证据整合与答案生成,对大模型要求高。
- 边缘侧小模型有成本、延迟、隐私优势,但在有限开源数据下训练强能力智能体仍是难题。
2. 核心目标
仅用约10K开源数据,训练出4B参数的前沿边缘级深度研究智能体,在小模型上逼近30B级大模型性能。
3. 整体方案
采用两阶段训练 pipeline:
- 智能体有监督微调(Agentic SFT):清洗+重采样长程轨迹,提升数据质量与利用率,建立基础能力。
- 智能体强化学习(Agentic RL):基于IGPO设计回合级奖励,提升长程任务执行可靠性。
4. 关键效果
- DR-Venus-4B在多项深度研究基准上显著优于9B以下开源智能体。
- 缩小与30B级大模型的差距,证明高质量数据+高效利
订阅专栏 解锁全文
1779



被折叠的 条评论
为什么被折叠?



