谷歌還是Exa：哪個更適合訓練RL搜索代理？

要點

• Exa作為搜索後端在RL訓練中比谷歌（SERP）更高效，訓練計算量更少且性能更高。
• 實驗使用Qwen3-4B模型，通過LoRA適配器和Dr. GRPO算法進行訓練。
• 在MuSiQue和HotpotQA多跳問答數據集上測試，Exa代理在需要跨網頁合成信息的任務中表現更優。
• Exa擁有自有搜索引擎和網絡索引，這使得大規模研究搜索後端與RL訓練的相互作用成為可能。