页面加载中…
搜索中文正文和常见中英文技术词，按教程、项目、面试题筛选。
「Deep Research 训练」找到 40 条内容
按专题浏览 →匹配正文：…型照抄的故事。 也不要把最终答案硬塞进问题文本。参考答案与证据只供轨迹验证和评测使用，模型可见字段与评分字段必须分开。 种子问题与训练轨迹的职责差别 种子控制任务分布，轨迹才记录行动、工具结果和最终答案。 来源一：真实查询日志 真实日志最接近实际用户表达。 它能暴露错别字、指代、模糊范围、真实约束和用户经常追问的内容，这些往往不是专家会主动写出的标准题。 但日志不是天然高质量数据。 一些问题本来就不适合 Deep Research，只需直接回答或一次检索；一些问题依赖用户私有…
匹配正文：…做 SFT，模型可以更快学会结构化 tool call，也能模仿常见的搜索与回答流程。 但这不代表它已经会在新环境里做研究。 面对训练数据没覆盖的工具错误、来源冲突和长程任务，模型可能继续照搬固定路径。它知道“标准答案长什么样”，却不知道哪条行动更好，也没有在环境反馈中练过取舍。 相关训练材料把 Deep Research Agent 的训练拆成三层：Agentic CPT 注入 Agent 相关偏置，SFT 冷启动学习协议与基本轨迹，GRPO 再在环境反馈中优化策略。 这三…
学习内容与项目面试，在同一条路上。
匹配正文：…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） 业务背景：让 Agent 自己「做研究」，而不是查一篇文章 这里用「为一个技术方案做选型调研」作为教学场景。普通问答可能只摘要一篇文章；Deep Research 需要先拆解子问题，再检索多个来源、检查时间与出处、发现信息缺口后调整…