真实搜索场景中，模型常面临两难困境：简单问题执行多轮搜索造成计算浪费，长尾高难问题却因搜索深度不足导致答案质量欠佳。随着资源放开，更需让模型内生学会“该停则停、该深则深”。本课题计划从信息论视角出发，将每轮搜索视为一次信息获取行为，研究如何让模型根据任务难度与当前信息状态自主决策搜索深度。 核心探索方向包括： 1. 信息增益感知的搜索价值评估——设计可计算的边际信息增益度量方法（如基于模型置信度变化、知识覆盖增量、不确定性缩减等），量化每轮搜索对最终答案的真实贡献，识别“有效搜索”与“无效搜索”的边界； 2. 难度感知的动态预算分配：构建问题难度预判模块，在搜索启动前输出初始难度评分与搜索预算建议，结合信息增益动态调整预算，既防止简单问题过搜，也保障高难问题有充足探索空间； 3. 自适应早停决策机制——在信息增益显著衰减时由模型自主触发停止，并可结合问题难度预判设定差异化搜索预算，防止简单问题过搜，保障高难问题深度探索； 4. 强化学习驱动的策略学习——采用GRPO/PPO等算法进行端到端训练，设计兼顾答案准确率与搜索效率的奖励函数（如信息增益阈值动态惩罚机制），让模型在探索与利用之间习得最优平衡策略，在保证长尾高难问题解决率的前提下最小化整体推理成本。 1. 计算机、人工智能、机器学习、自然语言处理等相关专业，熟悉深度学习及大语言模型基本原理； 2. 熟练使用Python、PyTorch等常用开发与深度学习框架，具备较强的模型训练、实验分析和工程实践能力，能够熟练使用主流AI编程工具开展研发工作； 3. 在SFT、RLHF/RL、Agent、Tool Use等方向具有研究或项目经验者优先，熟悉PPO、GRPO等Post-training方法或具有相关实践经验者优先； 4. 在推理效率优化、自适应计算、Early Exit等方向有相关研究或项目经验者优先，了解信息增益、主动学习等相关方法论； 5. 具备较强的模型行为分析能力，能够从实际问题出发定义可验证指标、设计优化方案，并通过实验持续迭代； 6. 具备较强的论文阅读、独立思考和实验分析能力，持续关注大模型推理优化与Agentic RL前沿研究； 7. 具备良好的沟通协作能力和Owner意识，能够主动推动开放性研究课题取得实质进展，具备高质量论文撰写能力。

微信扫一扫，及时了解投递状态

您目前还没有登录：立即登录