KnowGPO以知識分組為搜尋智能體分配信用

2026年10月19日，DEV Community 報道介紹 KnowGPO（Knowledge-Grouped Policy Optimization），一種為搜尋智能體分配信用的方法。它根據智能體取得的任務相關知識，將軌跡步驟分組，並據此分配信用。報道指出，在知識密集型基準測試中，KnowGPO 較僅依結果及過程監督的基線高 3.8 至 4.2 分；其 8B 模型的表現媲美 32B 開源系統。報道目前列出這項方法及其測試表現，未提及其他後續進展。

AI 根據報道生成 · 2 小時前更新

還沒有足夠的連續觀測數據，暫不繪製趨勢。