Agentic Deep Research新范式，推理能力再突破，可信度增加，蚂蚁安全团队出品

为突破 LLM 在复杂任务中受限于静态知识的瓶颈，业界提出 Agentic Deep Research 系统，但其依赖的强化学习方法存在梯度冲突与奖励稀疏问题。蚂蚁安全与智能实验室推出 Atom-Searcher，通过引入 Atomic Thought 推理范式，将推理分解为细粒度模块，并结合 Reasoning Reward Model 构建细粒度奖励 ATR，辅以课程学习策略进行奖励融合，提升训练效率。实验表明，Atom-Searcher 在多个基准测试中性能显著优于现有系统，尤其在 In-Domain 和 Out-of-Domain 任务上分别提升 8.5% 和 2.5%，展现出更强的推理深度与泛化能力。
来源：https://mp.weixin.qq.com/s/-tpIs5rXuw0TGhyESD0Q6A