Контент доступен только для PRO подписчиков
Чтобы получить доступ к полному содержанию этого исследования, оформите PRO подписку
s3-Вам не нужно так много данных для обучения поискового агента с помощью RL
КЛЮЧЕВАЯ СУТЬ
Адаптировать под запрос
Вместо того чтобы сразу просить LLM ответить на сложный вопрос, заставь его сначала поработать АНАЛИТИКОМ: найти информацию по частям, отфильтровать самое важное, и только потом синтезировать ответ. Декомпозиция решает – разбивай сложную задачу на три этапа: поиск данных, выбор ключевых фактов, создание финального ответа.