应用介绍

训练多轮搜索 Agent，只在最后给一个对错奖励，中间哪一步搜得好坏无从得知，训练效率很低。IGPO 是 ICLR 2026 的工作，用每一轮带来的信息增益作为奖励信号，简单有效地优化多轮搜索 Agent。

仓库提供论文代码实现。

软件功能

信息增益奖励：每轮都有反馈。

多轮搜索：提升检索 Agent。

简单有效：易于实现。