本文提出一种结合监督微调与强化学习的小型语言模型，联合执行智能体选择和结构化参数生成，从而提升查询路由效果。该方法通过层级奖励函数，基于检索相关性和查询-智能体主题对齐，实现任务依赖的智能体适宜性学习，显著提高了多智能体检索系统的性能。
这条 研究论文 信号说明，来自 arXiv cs.CL 的信息已经不只是单点新闻，而是值得放进产品、研究和行业判断里的趋势线索。
arXiv cs.CL 发布了这条关于 研究论文 的更新：本文提出一种结合监督微调与强化学习的小型语言模型，联合执行智能体选择和结构化参数生成，从而提升查询路由效果。该方法通过层级奖励函数，基于检索相关性和查询-智能体主题对齐，实现任务依赖的智能体适宜性学习，显著提高了多智能体检索系统的性能。
传统基于意图的查询路由忽视了检索内容的反馈，无法识别主题匹配但相关性低的智能体。该方法突破此限制，通过强化学习优化路由决策，显著提升了检索质量和响应速度。
研究员、模型团队和技术战略负责人 应该重点关注这条信号，尤其是正在跟踪 research、papers、agents 的团队。
接下来观察这条信号是否出现开发者采用、竞品回应、研究复现、企业部署或政策/平台层面的后续动作。
英伟达参与美国国家科学基金会（NSF）启动的州级和区域人工智能基础设施中心计划，旨在扩大对先进计算、数据、软件及专业知识的访问，推动人工智能研究与教育。
本文介绍了ELECTRIC，一种物理指导的贝叶斯框架。证据神经网络提供图像建议和误差预测的不确定性替代模型，该模型被转换为自适应精度场并应用于泊松加权MAP更新。此闭环将先验置信度视为迭代重建的学习状态变量。通过对AAPM Mayo Clinic低剂量CT数据集切片的仿真实验，验证了机制并展示了基于训练的Normal-Inverse-Gamma证据网络驱动的闭环效果。该方法在未见患者数据上，相较于滤波反投影减少了约70%的重建误差，预测不确定性能够支持选择性信任，物理指导的更新恢复测量一致性，自适应精度重建表现优于固定先验且更稳健。
大型语言模型（LLM）智能体在科学研究中被广泛用于组织和调用专业计算工具，但其依赖于静态语义的预定义工具空间，限制了其在动态变化的开放世界科学工作流程中的应用。本文提出SciToolAgent-Evo，一种本体感知的自我进化智能体，能够适应开放世界中的科学工具获取。该智能体通过进化的技能与经验记忆和本体化工具图，提取通用知识，并在推理过程中利用LinUCB基于的策略动态平衡探索与利用。一旦获得新工具，在线完成其科学本体整合入已知图谱。此外，引入包含900个任务的OpenSciToolBench基准，覆盖四个难度等级。实验证明SciToolAgent-Evo实现了最先进的性能，验证了其鲁棒性与泛化能力。