谷歌還是Exa：哪個更適合訓練RL搜尋代理？
比較Exa與谷歌（SERP）作為強化學習（RL）訓練中搜尋後端的效果。結果顯示，使用Exa訓練的代理在達到更高效能的同時，消耗的訓練計算資源更少。實驗基於多跳問答資料集，採用Qwen3-4B模型和LoRA微調，透過Dr. GRPO演算法最佳化。
谷歌還是Exa：哪個更適合訓練RL搜尋代理？
本文僅提供摘要
根據來源內容權限，本站僅提供編輯摘要、要點和原文連結。
比較Exa與谷歌（SERP）作為強化學習（RL）訓練中搜尋後端的效果。結果顯示，使用Exa訓練的代理在達到更高效能的同時，消耗的訓練計算資源更少。實驗基於多跳問答資料集，採用Qwen3-4B模型和LoRA微調，透過Dr. GRPO演算法最佳化。
根據來源內容權限，本站僅提供編輯摘要、要點和原文連結。