About this episode
This episode discusses the development of KARL, a system for training knowledge agents through reinforcement learning, achieving state-of-the-art performance in complex search tasks.
Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。 如果你想要解读自己的论文，获得更多曝光度。请联系小助手微信：seventy3_podcast 加群。合作邮箱：zhiwudazhanjiangshi#gmail.com 今天的主题是： KARL: Knowledge Agents via Reinforcement Learning Summary 我们提出了一套通过强化学习训练企业搜索智能体的系统，在多种难以验证的复杂搜索任务中达到了最先进的性能。本工作主要包含四个核心贡献： 第一，我们推出了 KARLBench ，这是一个多能力的评估套件，涵盖了六种不同的搜索范式，包括：约束驱动的实体搜索、跨文档报告综合、表格数值推理、详尽实体检索、技术文档上的过程推理，以及内部企业笔记的事实聚合。 第二，我们证明了在异构搜索行为上训练的模型，其泛化能力显著优于针对单一基准测试优化的模型。 第三，我们开发了一套 智能体化合成流水线 ，利用长程推理和工具调用来生成多样化、有依据且高质量的训练数据，并利用性能不断提升的模型进行迭代引导（bootstrapping）。 第四，我们提出了一种基于 迭代大批量离策（off-policy）强化学习 的新型后训练范式。该范式具有极高的样本效率，对训练与推理引擎之间的差异具有稳健性，并能自然扩展到具有分布外（OOD）泛化能力的多任务训练中。 与 Claude 4.6 和 GPT 5.2 相比，KARL 在 KARLBench 的成本-质量和延迟-质量权衡中达到了 帕累托最优 ，涵盖了训练期间属于分布外的任务。在给予充足的测试时计算量（test-time compute）的情况下，它超越了最强的闭源模型。这些结果表明，量身定制的合成数据结合多任务强化学习，能够为可靠推理（grounded reasoning）构建高性价比且高性能的知识智能体。 原文链接：https://arxiv.org/abs/2603.05218
People in this episode
Host: 任雨山
Topics covered
- reinforcement learning
- knowledge agents
- AI
- search tasks
- data synthesis
Keywords
- KARL
- reinforcement learning
- knowledge agents
- KARLBench
- AI
- data synthesis
- search tasks
Mentioned in this episode
Organizations: Seventy3
Products: NotebookLM, KARL, Claude 4.6, GPT 5.2
Books & works: KARLBench
More episodes of Seventy3
- 【第621期】多智能体大语言模型系统的多样性坍缩 · June 12, 2026 · 22 min
- 【第620期】MASS-RAG：多智能体合成检索增强生成技术 · June 11, 2026 · 20 min
- 【第619期】Learning Mechanics：大模型学习力学 · June 10, 2026 · 21 min
- 【第618期】无状态决策记忆：企业级AI智能体架构 · June 9, 2026 · 28 min
- 【第617期】自动演化EDA工具：多智能体自进化ABC · June 8, 2026 · 23 min
- 【第616期】原生智能：通向自主演化智能体的元学习范式 · June 7, 2026 · 17 min
Explore listener stats, chart rankings, contacts and more on the Seventy3 podcast page.