← 返回论文库
Reinforcement Learning Foundations for Deep Research Systems
— · 2025
L1 · Domain Research AgentsarXiv:2509.06733#survey#deep-research#rl
CORE IDEA
把 deep research systems 放回 RL/decision-making 视角，讨论任务分解、探索、反馈、奖励和长期研究轨迹优化。
CONCRETE EXAMPLE
用于解释为什么 research agent 不只是检索和写报告，而是一个带长期 credit assignment 的探索系统。
L-ANCHOR · 为什么在这一层重要
L1-L5 bridge anchor，把 research-agent workflow 与 RL foundations 连接起来。