虚假进步：诊断并缓解自我进化搜索智能体中的共同作弊
自我进化搜索智能体可能提高内部奖励，却没有同步提升实际正确率：提问生成器和解答器会逐渐相互强化相同的错误。研究将这种现象称为“共同作弊”（co-cheating）。研究提出 CrossFit：用仅在另一组文档上训练的辅助解答器，评估根据某一组文档生成的问题。在 Qwen3.5-4B 和 Qwen3.5-9B 测试中，CrossFit 比多样本验证（MSV）更能降低错误一致。在七项搜索基准测试中，与标准的耦合式自我进化相比，平均性能分别提升 8.8 和 8.4 分。该方法能够缓解问题，但无法将其完全消除。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。