尝试引导：增强强化学习的LLM检索
原文中文，约500字，阅读约需1分钟。发表于：。本文解决了大型语言模型（LLMs）在处理复杂或间接主题时难以提出有效搜索查询的问题。提出了一种名为“尝试学习检索”（LeReT）的强化学习框架，通过探索搜索查询并进行基于偏好的优化，提高了查询质量。研究表明，该方法可以将检索精度提高最多29%，对下游生成器的评估提升17%，展示了其在改进LLM管道中的潜力。
大型语言模型在数学和推理测试中表现良好，但在简单逻辑问题上仍存在困难。新基准测试SearchBench包含11种搜索问题，发现即使是最先进的模型如GPT-4也仅解决了1.4%的问题。通过A*算法和多阶段方法，GPT-4的解决率提升至57%以上。
