验证小于10亿参数模型能否不靠教师蒸馏，直接以可验证奖励学习开放域搜索问答。
推荐理由：关键在于检验十亿参数以下模型能否摆脱大模型蒸馏，直接从答案匹配奖励学会检索推理；若成立，可明显降低搜索智能体训练门槛。
阅读原文