Paper page - SlimSearcher: Training Efficiency-Aware Web Agents via Adaptive Reward Gating

来源：https://huggingface.co/papers/2606.07074 发布于6月5日

·

由https://huggingface.co/prayerdan提交

dan (https://huggingface.co/prayerdan)于6月9日

摘要

SlimSearcher 是一个框架，通过结合帕累托高效轨迹过滤与自适应奖励塑造，在深度研究智能体中提升效率，从而在保持准确性的同时降低计算成本。

深度研究智能体在复杂信息检索任务中展现了卓越的能力，但这一强大性能却伴随着高昂的计算成本。受以准确性为核心的训练范式 (https://huggingface.co/papers?q=accuracy-focused%20training%20paradigms) 驱动，当前模型采用了暴力策略 (https://huggingface.co/papers?q=brute-force%20strategies)，其特点包括盲目依赖工具和表演性推理 (https://huggingface.co/papers?q=performative%20reasoning)——生成长且冗余的轨迹，远超解决这些任务的必要范围，导致无效的工具调用和过量的令牌消耗。为了克服这一效率陷阱，我们提出了 SlimSearcher，这是一个原则性框架，在监督微调 (https://huggingface.co/papers?q=Supervised%20Fine-Tuning)（SFT）和强化学习 (https://huggingface.co/papers?q=Reinforcement%20Learning)（RL）阶段中，将准确性与计算成本之间的帕累托前沿推向前进。在 SFT 阶段，SlimSearcher 采用帕累托高效过滤 (https://huggingface.co/papers?q=Pareto-efficient%20filtration) 来提取既成功又经济的轨迹，引导模型形成固有的效率感知搜索行为。在 RL 阶段，我们引入了自适应奖励门控 (https://huggingface.co/papers?q=Adaptive%20Reward%20Gating)，这是一种动态奖励塑造机制 (https://huggingface.co/papers?q=reward-shaping%20mechanism)，可在采样队列中评估相对工具和令牌效率。通过将自适应效率指标与严格的正确性门控级联，我们的方法有效避免了与绝对惩罚相关的简洁性偏差，并缓解了奖励破解问题。在 GAIA、BrowseComp 和 XBenchDeepSearch 等长视界基准上的大量实验表明，SlimSearcher 将平均工具调用轮次 (https://huggingface.co/papers?q=tool-call%20rounds) 降低了 17%–58%，同时保持或提升了准确性。

查看 arXiv 页面 (https://arxiv.org/abs/2606.07074) 查看 PDF (https://arxiv.org/pdf/2606.07074) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2606.07074)

在你的智能体中获取此论文：

hf papers read 2606.07074

没有最新的 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型 0

没有模型链接到此论文

在模型 README.md 中引用 arxiv.org/abs/2606.07074 以从此页面链接。

引用此论文的数据集 0

没有数据集链接到此论文

在数据集 README.md 中引用 arxiv.org/abs/2606.07074 以从此页面链接。

引用此论文的 Spaces 0

没有 Space 链接到此论文

在 Space README.md 中引用 arxiv.org/abs/2606.07074 以从此页面链接。

包含此论文的集合 0

没有包含此论文的集合

将此论文添加到一个收藏 (https://huggingface.co/new-collection) 以从此页面链接。