rm
给 DeepResearch 打分的尺子是错的：百度发布首个全管线 DeepSearch 奖励框架
💡 一句话总结 ：DeepResearch 类产品火了一年，但给它们当训练信号的奖励模型还停留在「单轮问答」时代。百度与天大的 F²DR 把尺子换成了三维过程级评估：检索到的内容全不全、搜索轨迹聪明不聪明、最终答案覆盖够不够。新基准一考，现有开源奖励模型集体不及格——多步决策链是共同的软肋。 导语：训练信号的尺子，跟不…
