標籤: rag

Stanford 與 CMU 的研究者訓練一個 Qwen3.5-4B 建構代理，在問題出現前把原始文件整理成帶來源連結的階層檔案系統，以凍結答題代理的正確率當獎勵。整理 MDP 與獎勵設計、BrowseComp-Plus 與 BRIGHT 的結果、成本攤提，以及評測規模與結構消融透露的限制。