浙大北大提出多答案问答RL框架SPADER

2026年10月18日，机器之心报道，浙江大学与北京大学团队提出多答案问答强化学习框架 SPADER（Step-wise Peer Advantage with Diversity-Aware Exploration Rewards），面向多答案问答的长程工具使用场景。该框架将 GRPO 的轨迹级优势细化到决策步级，并引入多样性感知探索奖励，以激励长尾实体发现。报道称，该论文已被 EMNLP 2026 Main 收录。团队同时开源了代码与模型：代码地址为 https://github.com/KhanCold/spader，模型地址为 https://huggingface.co/KhanCold/qwen3-8b-spader。目前报道未披露训练数据规模、评测基准与具体性能数字，也未提及与早先报道存在矛盾之处。

AI 根据报道生成 · 49 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。