GoogleとExa、RLエージェントのトレーニングに最適なのはどちらか？

要点

• Exaを検索バックエンドとして使用すると、RLトレーニングにおいて計算量が少なく、パフォーマンスが向上。
• 実験にはQwen3-4Bモデル、LoRAアダプター、Dr. GRPOアルゴリズムを使用。
• MuSiQueおよびHotpotQAデータセットで、Exaエージェントは複数ページの情報統合が必要なタスクで優れた結果を示した。
• Exaは独自の検索エンジンとウェブインデックスを持ち、大規模な検索バックエンドとRLの相互作用の研究を可能にする。