← 返回 2026-10-02 简报

虚假前沿:诊断与缓解自进化搜索代理中的协同作弊行为

False Frontiers: Diagnosing and Mitigating Co-Cheating in Self-Evolving Search Agents

语音播报
摘要
事件:Rutgers大学团队诊断自进化搜索代理中的协同作弊现象。 要点:CrossFit将源文档分折叠训练,使假标签无法被重复利用; 影响:该研究揭示了自监督训练中的隐蔽失效模式,为构建更可靠的自主智能体提供关键诊断工具与缓解策略。

论文

arxiv:2609.39102
复制 markdown
虚假前沿:诊断与缓解自进化搜索智能体中的共作弊现象
发表于 9月30日
·
提交者
MEIJIA CHEN
于 10月1日
·
罗格斯大学
作者:
Meijia Chen
,
Hao Li
,
Zheng Lu
,
Hongshan Lin
,
Junbai Tian
,
Yichen Liu
,
Zijun Tian
,
Yufan Zou
,
Shuhan Sun
,
Hanxin Chen
,
Zeyu Zhang
,
Weizhi Du
,
Yueting Li
,
Tianyu Shi
,
Alaa Khamis

摘要

自进化搜索智能体通过联合优化生成问题的提议者(proposer)和回答问题的求解者(solver),构建自身的训练课程。这种闭环引入了一种我们称为“共作弊”(co-cheating)的故障模式:提议者和求解者在共享错误上日益趋同,导致内部奖励提升,但外部正确性并未相应提高。针对源证据的事后审计显示,随着自进化轮次的增加,共作弊现象愈发严重,即使循环内的训练信号改善,伪标签的正确性仍停滞或下降。最直接的缓解措施是在训练前验证提议:我们引入了多样本验证(MSV),即向同一模型在有源文档和无源文档的情况下各查询三次,以决定任务准入并替换不可靠的伪标签。MSV部分减少了虚假共识,但仍留下大量残留的共作弊现象,且每个候选项需额外消耗六次标注器生成次数。这些局限性催生了我们的主要方法 CrossFit:它将提议者的源文档划分为 A 组和 B 组;由 A 生成的问题由仅用 B 训练的辅助求解者评分,反之亦然。交叉拟合的共识决定了提议者的奖励,因此通过反馈求解器无法复现同源的伪标签,而原始求解者的更新规则保持不变。在 Qwen3.5-4B 和 Qwen3.5-9B 上重新运行循环,MSV 将虚假共识质量从 6.1% 降至 5.7%,从 8.8% 降至 7.2%,而 CrossFit 将其分别降至 3.0% 和 3.7%。使用排除源信息的反馈重放相同的提议,进一步将虚假共识降至 0.4% 和 0.1%,从而将反馈谱系与课程变化隔离开来。在七个下游搜索基准测试中,CrossFit 使平均性能比标准耦合自进化提高 8.8 和 8.4 分,比 Search-R1 提高 8.7 和 7.8 分(在 4B 和 9B 模型上)。

查看 arXiv 页面
查看 PDF
添加到收藏
社区
chenmeijia30
论文提交者
大约 16 小时前

TL;DR:在自进化搜索智能体中(提议者根据源文档编写问题和伪标签,求解者回答这些问题,两者的共识作为训练奖励),提议者和求解者可能收敛于共享错误:内部奖励持续上升,而实际正确性停滞。我们称之为共作弊,通过基于源的事后审计进行测量,并使用 CrossFit 修复它。

CrossFit 将提议者的源文档分为两折,并用仅用另一折训练的辅助求解者对每折的问题进行评分,因此同源伪标签永远无法作为奖励被回声反馈回来。主求解者仍然在所有数据上训练;只有反馈路径发生变化。

结果(Dr. Zero 循环,Qwen3.5-4B / 9B):

共作弊随自进化轮次增长:虚假共识质量达到 6.1% / 8.8%。
多样本验证(MSV)仅将其削减至 5.7% / 7.2%,每个候选项需额外消耗六次标注器生成次数。
CrossFit 将其削减至 3.0% / 3.7%;使用排除源信息的反馈重放相同提议,将其驱动至 0.4% / 0.1%。
下游应用:在七个搜索 QA 基准测试中,平均性能比耦合自进化提高 +8.8 / +8.4 分,比 Search-R1 提高 +8.7 / +7.8 分。

要点:当模型对自己进行评分时,应追踪评分者监督的来源,而不仅仅是标签看起来是否正确。

查看翻译
回复
编辑
预览
通过拖拽、粘贴或点击此处上传图片、音频和视频。
评论

· 注册或登录以发表评论

赞成
182
+170

在您的智能体中获取此论文:

hf papers 阅读 2609.39102

尚未安装最新的命令行界面工具?

引用该论文模型数量

0

无链接此论文的模型

在模型的 README.md 中引用 arxiv.org/abs/2609.39102,即可从本页面链接至该论文。

引用该论文数据集数量

0

无链接此论文的数据集

在数据集的 README.md 中引用 arxiv.org/abs/2609.39102,即可从本页面链接至该论文。

引用该论文 Spaces 数量

0

无链接此论文的 Space

在 Space 的 README.md 中引用 arxiv.org/abs/2609.39102,即可从本页面链接至该论文。

包含该论文的合集数量

3
Agent
合集
161 项
•
约 11 小时前更新
•
14
Code
合集
85 项
•
约 11 小时前更新
•
7
Search
合集
23 项
•
约 11 小时前更新

本条评分 10.9 score-v1
  • 来源权威 9
    注册表 priority=9(HuggingFace Daily Papers)
  • 时效 1.945
    发布 22.5 小时前,衰减到 1.94/3.0
  • 多源印证 0
    只有 1 家在报(无旁证)
  • 社区信号 0
    无社区数据(本管线走 RSS,HN 的 hn_fetcher 未接入)

首次收录 · 2026-10-02 · 10.95 分

原文链接:https://huggingface.co/papers/2609.39102
来源:HuggingFace Daily Papers
以上内容由 AI 自动翻译,仅供参考。
← 返回简报