AI 搜尋代理也能自我進化！Dr. Zero 框架問世，不靠人工資料也能變強

AI 搜尋代理的自我進化新路徑

隨著高品質訓練資料越來越難取得，無需人工標註資料的自我進化（self-evolution）逐漸成為大型語言模型（LLM）領域的重要研究方向。然而，多輪搜尋代理（multi-turn search agent）在這方面一直面臨瓶頸，主要原因是問題多樣性不足，以及多步驟推理與工具使用所需的運算資源過於龐大。

Dr. Zero 框架：提問者與解題者的協作迴路

為了解決這個問題，研究團隊提出了 Dr. Zero 框架。這個框架的核心是一個自我進化的反饋迴路：一個「提問者（proposer）」生成結構多樣化的問題，訓練一個從相同基礎模型初始化的「解題者（solver）」。隨著解題者能力提升，提問者會被激勵去產出更困難但可解的問題，形成自動化的課程機制，讓兩個代理持續進步。

HRPO 最佳化：降低運算成本

為了提升訓練效率，團隊還設計了 hop-grouped relative policy optimization（HRPO）方法。這個方法將結構相似的問題分組，建立群組基準線，有效降低評估每個問題難度與可解性所需的取樣成本。HRPO 大幅減少提問者訓練與獎勵估計所需的運算資源，同時不影響效能或穩定性。

實驗結果：自我進化可匹敵監督式學習

廣泛的實驗結果顯示，Dr. Zero 在多個問答基準測試中，表現可與完全監督式訓練的搜尋代理匹敵甚至超越。這證明強大的代理搜尋與證據推理能力，可以僅透過自我進化產生，無需依賴人工標註的訓練資料。

延伸閱讀

• LLM精神病理：揭露大型語言模型的五種認知崩解
• 大型語言模型文化偏誤審計：GPT-5.4、Claude Sonnet 4.5、Gemini 2.5 Flash 的個體主義傾向分析
• 大型自律代理人社會的集體智慧：以 MoltBook 和 Probing Agents 的三級檢測框架驗證

原始來源：ArXiv AI

系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。