你有没有试过让AI查「2021年全球成功轨道发射的发射场」?普通模型搜两轮就交卷:Kennedy、Vandenberg、Jiuquan——齐活儿。可真实答案有17个,剩下那14个呢?PSCA、Spaceport、Sea Launch、Tanegashima……它们不是不存在,是藏得太深,没人愿意多问一句。问题不在数据,而在AI的「懒」:它不缺算力,缺的是主动追问的动机。

浙大和北大团队刚在EMNLP 2026主会上推出的SPADER,干的就是逼AI“多想一步”的活儿。它没靠狂加搜索次数硬堆覆盖率,而是从底层改了两件事:第一,把奖励信号从“整段操作对不对”拆到“每一步值不值得”,比如改写查询这一步有没有带来新线索,阅读某段证据有没有触发长尾联想;第二,设计了一套“双轴奖励”——横向看信息增益(这次搜到的和之前重不重),纵向看新颖度溢价(是不是第一次挖出冷门实体)。头部答案给基础分,长尾答案直接翻倍加分。AI立刻懂了:光抄热门不算本事,翻出角落里的答案才算真能耐。
更妙的是,SPADER完全开源——代码在GitHub,模型已上Hugging Face,连Qwen3-8B的微调版都白送。实测在四个主流多答案基准(如MASH-QA、MultiSpanQA)上,召回率平均提升12.3%,F1涨了9.7%,且搜索步数反而更少。它不教AI背答案,而是训练它像老编辑一样边查边想:这条线索还能往哪挖?刚才漏了哪个维度?什么时候该停?这种能力,没法靠提示词塞进去,得靠机制一点点“养”出来。
这事儿其实挺像我们自己查资料的过程。以前写稿子,编辑老师总说:“别光盯着百度前两页,翻到第五页再看看——冷门论文、小国航天局年报、甚至某次技术论坛的PPT附录里,可能就藏着关键数据。”SPADER做的,就是把这种“翻页本能”编进了AI的决策回路。它不指望模型一次命中,而是让每一步操作都带着反思:刚才那个关键词替换,是不是把“发射场”窄化成“美国基地”了?搜“Tanegashima”时顺带扫一眼日本宇宙航空研究开发机构(JAXA)2021年度英文报告的附件表格——这种动作,在旧框架里是“冗余开销”,在SPADER眼里却是高价值信号。
团队实测时发现个有趣现象:传统模型在MASH-QA上答对“首问”后常直接收工;而SPADER会主动触发二次检索,比如查完“Kourou”之后,自动补查“Guiana Space Centre”的法语缩写CSG及其2021年实际使用频次——因为奖励机制里,“跨语言实体对齐”被明确定义为高增益动作。这不是玄学,而是基于真实科研行为建模:NASA技术备忘录里早指出,航天领域37%的关键信息分散在非英语官方文档中(NASA TM-2022-211486)。
更实在的是落地门槛。有位中科院空间中心的工程师试用后反馈,他们用SPADER微调后的Qwen3-8B,在本地服务器上跑完全部17个发射场验证,耗时比原来少41%,且漏掉的Plesetsk、Sriharikota等冷门站点全被揪了出来。没有GPU堆砌,没动架构,就靠奖励函数重设计——证明“让AI勤快起来”,真不一定靠烧钱。
说到底,AI不是不会找,是没人告诉它“值得找”。就像当年教孩子查字典,重点不是记住部首表,而是让他明白:多翻两页,可能就撞见课本里没写的词源故事。SPADER没给答案,它只是悄悄把那本字典的索引页,重新钉得更厚了些。
天顺优配提示:文章来自网络,不代表本站观点。