Drzero

Este repositorio contiene el código para Dr. Zero: Agentes de Búsqueda Autoevolutivos sin Datos de Entrenamiento. En este trabajo, presentamos Dr. Zero, un marco que permite a los agentes de búsqueda autoevolucionar de manera efectiva sin ningún dato de entrenamiento. En particular, diseñamos un bucle de retroalimentación de autoevolución donde un proponente genera preguntas diversas para entrenar a un solucionador inicializado desde el mismo modelo base. A medida que el solucionador evoluciona, incentiva al proponente a producir tareas cada vez más difíciles pero solucionables, estableciendo así un currículo automatizado para refinar ambos agentes. Para mejorar la eficiencia del entrenamiento, también introducimos la optimización de políticas relativas agrupadas por saltos (HRPO). Este método agrupa preguntas estructuralmente similares para construir líneas base a nivel de grupo, minimizando efectivamente el costo de muestreo al evaluar la dificultad y la solvibilidad individual de cada consulta. Como resultado, HRPO reduce significativamente los requisitos computacionales para el entrenamiento del solucionador sin comprometer el rendimiento o la estabilidad. Resultados experimentales extensos demuestran que el Dr. sin datos.