基于经验记忆与强化学习的深度学术搜索方法
A Deep Academic Search Method Based on Experiential Memory and Reinforcement Learning
-
作者:
李紫玥
1,2
常远
1,2
乐小虬
1,2
孔源博
1,2
-
作者单位:
- 通讯作者:
乐小虬
Email:lexq@mail.las.ac.cn
-
提交时间:2026-04-02 22:06:16
摘要: 该文研究深度学术搜索任务,旨在面对复杂学术查询时,通过基于大语言模型的智能体多轮迭代搜索系统性获取覆盖查询各维度的相关文献。针对现有方法搜索覆盖面不足、效率低下的问题,提出一种基于经验记忆与强化学习的深度学术搜索方法。该方法采用“规划-执行”双阶段架构,分别设计基于大语言模型的规划器智能体与执行器智能体进行路径规划与搜索执行。通过双架构执行器验证机制筛选高质量搜索路径示例构建经验记忆库,实现历史成功经验的有效迁移;设计综合考虑搜索效果与步数效率的奖励函数,利用组相对策略优化算法训练规划器。实验表明,该方法在两个学术搜索数据集上均取得最优性能,并在提升搜索质量的同时有效降低了平均搜索步数。案例研究表明,该方法能有效指导执行器发现与复杂查询相关的高质量文献。
版本历史
| [V1] |
2026-04-02 22:06:16 |
ChinaXiv:202604.00080V1
|
下载全文 |