本文目录
自主调研 Agent:搜索 → 读 → 交叉验证 → 生成带引用的调研报告
这是公开化教学案例。文中的场景与指标用于理解项目实现；简历应填写自己实际完成的工作与测量结果。
执行框架
- ReAct 为什么在长程研究里上下文爆炸
- IterResearch:用「演进报告」压缩需要保留的工作状态
- 把研究过程拆成状态、动作与可验证的停止条件
工具与长程记忆
- Search / Visit / Scholar / Python 统一工具网关 + 容错 + 缓存
- 用 ReSum 动态摘要压缩轨迹，并验证关键信息保留率
- 裁剪 vs 摘要、外部记忆与遗忘、指代消解
训练数据 + 训练
- 种子问题 → Teacher 轨迹 → 筛选与增强
- SFT 冷启动学输出格式
- RL 与负样本筛选的候选方案及风险验证
- Loss Mask 掉 observation token
工程验证 + 评估
- 为推理、并发与成本设计压测(KV Cache / continuous batching)
- 把 RACE、FACT 与 LLM-as-Judge 作为候选评测方法校验
- 把失败样本回流到数据与策略验证
学习成果
理解一个「执行框架 → 训练 → 评估」全链路的研究 Agent 如何设计，并能按职责、方案、证据和边界复盘。只有亲自完成并留有证据的部分，才能写进个人简历。
适合谁
想做 Agent / 规划方向、想补齐 Agent 训练全流程的同学
自主调研 Agent：搜索 → 阅读 → 交叉验证 → 生成带引用的调研报告（以技术选型调研为例）