行业技术突破：无数据自我进化智能体框架 - Meta与UIUC联合提出Dr Zero框架，使智能体能在零训练数据条件下实现高效自我进化，解决了多轮搜索智能体在无数据自我进化中面临的问题多样性受限、多步推理与工具使用需大量计算资源等难题[1] - 框架核心创新是提出了“跳步分组相对策略优化”方法，通过聚类结构相似的问题来构建鲁棒的群组级基准，在保证训练有效性的同时避免了昂贵的嵌套采样需求[1] 技术原理与设计 - Dr Zero是一个学习系统，其核心设计包含提议者-解决者协同进化、跳步分组相对策略优化和难度引导奖励机制三个方面[6] - 系统包含由大型语言模型担任的提议者和解决者，两者协同进化：提议者利用外部搜索引擎生成多样化且结构复杂的题目，解决者尝试回答这些问题，两者能力在迭代中相互促进[7][9] - HRPO方法将结构相似的问题进行聚类构建组级基准，模型只需每个提示生成单个问题，通过与同组内其他问题对比获得评估，大幅降低了计算成本[12] - 难度引导奖励机制激励提议者生成复杂、多跳、有难度但可通过搜索引擎验证的查询，避免生成无法评估的开放或主观问题[13] 性能表现与实验结论 - 实验显示，在复杂问答任务中，该框架无需人工标注数据，性能即超越全监督基线高达14.1%[2] - 在多个开放领域问答基准上的表现，与使用人工标注数据训练的全监督搜索智能体基线相当或更优[16] - 与现有无数据方法相比，Dr Zero在所有任务中均表现最佳，性能平均分别超越SQLM和R-Zero达39.9%和27.3%，在复杂多跳任务上性能较优化后的R-Zero*平均提升83.3%[17] - 框架显示出明确的模型规模效应，7B参数规模的模型在复杂的多跳推理数据集上表现突出，实现了7.67%的相对提升，表明框架具有良好的可扩展性[18]