SOAR 来源感知强化学习：证据造假降 74.8%
先了解这件事
2026 年 10 月 12 日，AGI Hunt 报道了一篇名为 SOAR 的论文，提出来源感知强化学习（source-aware reinforcement learning），用于减少搜索 agent 的证据造假行为。报道称，该方法将证据造假减少 74.8%，并在 3B 与 7B 骨干模型上分别超过基线 7.3% 和 5.4%；方法上用 Source-Aware Workflow 把推理拆分为外部证据与内部知识两条可观测的并行流，并以 Source-Consistent Reward 奖励与来源一致的推理，实现精准的 credit assignment。同日 12:00，arXiv cs.CL 出现该论文条目《SOAR：面向搜索智能体的来源感知强化学习与精确信用分配》，对方法描述一致，称 SOAR 通过 Source-Aware Workflow 将外部信息（E_ext）与内部知识（E_int）拆分为可观测并行流，用 Source-Consistent Reward 引导策略演进，实现不同知识流之间的精确信用分配，并同样报告 3B 和 7B 骨干分别提升 7.3% 和 5.4%、证据捏造减少 74.8%。两则报道的数字与结论一致，未出现相互矛盾的说法。
AI 根据报道生成 · 1 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
- arXiv cs.CLSOAR：面向搜索智能体的来源感知强化学习与精确信用分配
SOAR 是一种来源感知强化学习范式，通过 Source-Aware Workflow 将外部信息（E_ext）与内部知识（E_int）拆分为可观测的并行流，并用 Source-Consistent Reward 引导策略演进，实现不同知识流之间的精确信用分配。在 3B 和 7B 骨干模型上，SOAR 分别比基线提升 7.3% 和 5.4%，同时将证据捏造减少 74.8%。
- AGI HuntSOAR 论文：来源感知强化学习将搜索 agent 证据造假减少 74.8%
SOAR 论文提出来源感知强化学习，将搜索 agent 的证据造假减少 74.8%，并在 3B 与 7B 骨干上分别超过基线 7.3% 和 5.4%。该方法用 Source-Aware Workflow 把推理拆成外部证据与内部知识两条可观测并行流，并以 Source-Consistent Reward 奖励与来源一致的推理，实现精准 credit assignment。
本事件热度走势
当前热度 19·可比范围峰值 19（10月12日 14:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。