arXiv论文提出KnowGPO：面向深度搜索智能体的知识分组策略优化算法

KnowGPO: Knowledge-Grouped Policy Optimization for Search Agents 研究人员针对深度搜索智能体提出KnowGPO强化学习框架，按任务所需知识条件的满足状态对交互轨迹进行动态对齐与分组比较，并将增量知识获取作为过程奖励。实验表明，该方法在Xbench、BrowseComp-ZH、GAIA上较纯结果奖励的GRPO以及GiGPO、IGPO等过程监督基线高出3.8至4.2分，其8B模型性能可媲美甚至超过多数32B开源系统。