多跳推理性能飙升20%！Search-R2将纠错纳入策略空间，破解搜索增强推理的长链信用分配难题 腾讯混元、MBZUAI和港中文联合提出Search-R2框架，将纠错纳入强化学习策略空间，有效解决长链搜索推理中的错误传播问题，在多跳推理任务中性能提升超20%，为搜索型智能体提供了更贴近真实失败模式... AI 前沿动态# MBZUAI# Search-R2# 信用分配 2个月前310
