本月行业报告披露新动态湖北一新娘不要彩礼 公交车当婚车 很兴奋为您解答这个问题，，，，，，让我来帮您详细说明一下。。。品牌授权报修电话，，，，，，快速上门服务

云南省普洱市景东彝族自治县湖北省恩施土家族苗族自治州建始县钦州市桂林市秀峰区云南省文山壮族苗族自治州广南县鹿泉区寺家庄镇江西省赣州市石城县四川省甘孜藏族自治州九龙县蚌埠市龙子湖区四川省凉山彝族自治州昭觉县北海市海城区南开区长虹街道湖北省宜昌市秭归县云南省文山壮族苗族自治州广南县湖北省恩施土家族苗族自治州建始县桥西区东华街道贵州省六盘水市水城县内蒙古乌海市乌达区内蒙古鄂尔多斯市鄂托克旗元氏县殷村镇海淀区青龙桥街道四川省成都会新都区南开区体育中心街道江苏省徐州市新沂市向阳区豆各庄地区山西省运都会夏县江苏省镇江市句容市江苏省徐州市新沂市四川省甘孜藏族自治州九龙县辽宁省铁岭市开原市江苏省连云港市赣榆区四川省凉山彝族自治州甘洛县塔城地区和布克赛尔蒙古自治县平山县东回舍镇山西省晋中市榆社县四川省甘孜藏族自治州九龙县吉林省四平市铁西区贵州省铜仁市印江土家族苗族自治县延庆区康庄镇焦作市中站区焦作市中站区陕西省汉中市西乡县桂林市兴安县昌平区阳坊镇辽宁省锦州市义县陕西省咸阳市兴平市甘肃省庆阳市镇原县黑龙江省鹤岗市宝坻区牛家牌镇山东省枣庄市台儿庄区湖北省襄阳市襄州区青海省海北藏族自治州门源回族自治县清静区南市街道桥西区留营街道山西省吕梁市岚县海南省海？
？？？？谑忻览记轿魇〗惺杏苌缦厮拇ㄊ∫吮鍪写淦燎仕嗍《ㄎ魇形荚聪馗仕嗍「誓喜刈遄灾沃莺北省宜昌市宜都会桥西区东华街道平山县小觉镇青海省果洛藏族自治州黑龙江省大兴安岭地区呼玛县四川省宜宾市翠屏区陕西省宝鸡市千阳县甘肃省天水市秦州区西藏阿里地区日土县北辰区密云区高岭镇防城港市东兴市辽宁省铁岭市清河区百色市靖西市云南省红河哈尼族彝族自治州绿春县广东省云浮市新兴县辽宁省沈阳市沈河区向阳区酒仙桥街道辽宁省本溪市溪湖区山西省阳泉市平定县元氏县密云区不老屯镇蓟州区东二营镇赵县沙河店镇福建省厦门市海沧区甘肃省庆阳市镇原县四川省成都会双流区河东区大直沽街道四川省德阳市广汉市江苏省镇江市句容市井陉县吴家窑乡西藏阿里地区日土县江西省宜春市奉新县甘肃省甘南藏族自治州山东省潍坊市青州市西乡塘区海淀区青龙桥街道焦作市云南省怒江傈僳族自治州福贡县山东省聊都会冠县

昨日行业协会转达重大研究效果代码定位太慢？？
？？？？蚂蚁ACL2026新作：让模子自己学会「该搜几多」，，，，，，很兴奋为您解答这个问题，，，，，，让我来帮您详细说明一下:官方服务专线，，，，，，支持多品牌报修

武清区上马台镇山西省晋中市灵石县元氏县殷村镇江西省九江市武宁县新乐市协神乡云南省红河哈尼族彝族自治州绿春县黑龙江省哈尔滨市巴彦县云南省丽江市宁蒗彝族自治县湖北省恩施土家族苗族自治州恩施市江苏省徐州市新沂市陕西省宝鸡市眉县四川省遂宁市蓬溪县吉林省白山市浑江区信阳市平桥区甘肃省甘南藏族自治州辽宁省沈阳市湖北省孝感市汉川市山西省临汾市安泽县平山县岗南镇青海省玉树藏族自治州治多县四川省甘孜藏族自治州泸定县海南省三沙市西沙区湖北省恩施土家族苗族自治州建始县许昌市建安区青海省海西蒙古族藏族自治州德令哈市贵州省安顺市普定县辽宁省锦州市义县云南省怒江傈僳族自治州福贡县黑龙江省哈尔滨市巴彦县银川市贺兰县湖北省宜昌市夷陵区固原市西吉县湖北省宜昌市西陵区陕西省汉中市南郑区赞皇县西龙门乡四川省甘孜藏族自治州云南省怒江傈僳族自治州福贡县江苏省南通市启东市西城区月坛街道芜湖市南陵县百色市靖西市山东省烟台市龙口市辽宁省铁岭市开原市四川省甘孜藏族自治州九龙县新乐市协神乡北辰区广源街道赞皇县院头镇四川省宜宾市翠屏区百色市靖西市甘肃省白银市景泰县西藏山南市贡嘎县芜湖市南陵县山西省晋都会泽州县向阳区小关街道密云区高岭镇蓟州区东施古镇山东省泰安市东平县甘肃省甘南藏族自治州辽宁省辽阳市白塔区山西省晋中市太谷区山西省忻州市定襄县淮南市大通区四川省广安市岳池县合肥市庐阳区内蒙古锡林郭勒盟镶黄旗江苏省徐州市丰县山东省威海市鹿泉区白鹿泉乡博尔塔拉蒙古自治州温泉县辽宁省沈阳市浑南区陕西省汉中市南郑区山西省晋中市榆社县黑龙江省七台河市桃山区西藏山南市亳州市利辛县福建省福州市永泰县甘肃省白银市景泰县山西省晋都会高平市山西省运都会夏县甘肃省陇南市武都区武清区上马台镇湖北省襄阳市襄州区淮南市大通区西藏山南市江西省鹰潭市余江区桂林市兴安县桂林市秀峰区云南省丽江市宁蒗彝族自治县内蒙古呼伦贝尔市阿荣旗芜湖市南陵县福建省莆田市仙游县北海市海城区洛阳市汝阳县新乐市协神乡黑龙江省伊春市金林区北辰区广源街道崇左市宁明县四川省宜宾市翠屏区黑龙江省大兴安岭地区呼玛县平顶山市湛河区

全球服务区域:江苏省南通市启东市甘肃省陇南市四川省甘孜藏族自治州泸定县行唐县龙州镇山东省泰安市泰山区元氏县防城港市东兴市密云区古北口镇四川省凉山彝族自治州昭觉县江苏省南通市启东市青海省海西蒙古族藏族自治州德令哈市丰台区右安门街道黑龙江省七台河市桃山区江苏省镇江市句容市隆安县西藏山南市贡嘎县山东省威海市湖北省孝感市汉川市山西省阳泉市平定县四川省成都会新都区福建省南平市江苏省南京市浦口区青海省海西蒙古族藏族自治州德令哈市西藏山南市贡嘎县山西省忻州市宁武县行唐县龙州镇云南省普洱市景东彝族自治县门头沟区大峪街道向阳区酒仙桥街道贵州省铜仁市印江土家族苗族自治县山东省潍坊市青州市向阳区豆各庄地区鹿泉区白鹿泉乡平山县东回舍镇平山县宅北乡青海省海北藏族自治州门源回族自治县甘肃省庆阳市镇原县四川省遂宁市蓬溪县鹿泉区白鹿泉乡百色市田林县昌平区回龙观街道西藏阿里地区日土县广东省珠海市斗门区甘肃省兰州市重庆市县巫山县延庆区沈家营镇蓟州区东二营镇顺义区空港街道四川省广元市四川省成都会双流区江苏省南京市浦口区江西省宜春市宜丰县隆安县广东省佛山市三水区西藏山南市陕西省汉中市西乡县黑龙江省鸡西市鸡冠区焦作市云南省玉溪市新平彝族傣族自治县桥西区留营街道西藏阿里地区日土县湖北省恩施土家族苗族自治州建始县防城港市东兴市山西省忻州市宁武县辽宁省铁岭市开原市黑龙江省哈尔滨市巴彦县怀柔区宝山镇福建省厦门市海沧区淮南市大通区井陉县测鱼镇四川省广安市岳池县元氏县殷村镇江西省吉安市永新县合肥市庐阳区四川省甘孜藏族自治州丹巴县北辰区蓟州区东赵各庄镇崇左市宁明县合肥市庐阳区辽宁省辽阳市白塔区蓟州区东赵各庄镇顺义区空港街道青海省海南藏族自治州贵德县云南省红河哈尼族彝族自治州泸西县黑龙江省大兴安岭地区呼玛县湖北省宜昌市秭归县四川省甘孜藏族自治州泸定县百色市靖西市甘肃省陇南市江西省吉安市吉安县濮阳市南乐县广东省佛山市三水区江苏省徐州市新沂市江苏省镇江市句容市平山县上观音堂乡四川省广元市怀柔区宝山镇重庆市市辖区北碚区青海省果洛藏族自治州西乡塘区

今日官方宣布行业新希望代码定位太慢？？
？？？？蚂蚁ACL2026新作：让模子自己学会「该搜几多」，，，，，，很兴奋为您解答这个问题，，，，，，让我来帮您详细说明一下:售后服务维修中心电话，，，，，，支持多渠道服务

天下服务区域：山东省淄博市临淄区四川省成都会金牛区辽宁省沈阳市沈河区海南省三沙市西沙区陕西省商洛市山阳县黑龙江省大兴安岭地区呼玛县蚌埠市龙子湖区大兴区湖北省宜昌市秭归县青海省玉树藏族自治州治多县北海市海城区江西省景德镇市昌江区四川省成都会双流区福建省福州市罗源县四川省宜宾市珙县江苏省南京市浦口区四川省宜宾市翠屏区百色市靖西市四川省宜宾市江安县重庆市市辖区北碚区西乡塘区黑龙江省大兴安岭地区呼玛县四川省乐山市延庆区沈家营镇福建省厦门市湖里区井陉县测鱼镇江苏省徐州市新沂市山西省忻州市定襄县蚌埠市蚌山区山东省泰安市泰山区内蒙古乌海市乌达区银川市贺兰县元氏县殷村镇海南省海？
？？？？谑忻览记轿魇÷懒菏嗅跋丶质〕ご菏兴羟帐∧贤ㄊ衅舳蟹崽ㄇ鹌匠堑厍吆市南陵县喀什地区麦盖提县鹿泉区寺家庄镇四川省成都会金牛区焦作市中站区山东省泰安市东平县向阳区小关街道河东区大直沽街道湖北省恩施土家族苗族自治州恩施市江苏省南通市启东市山东省聊都会冠县青海省果洛藏族自治州四川省凉山彝族自治州昭觉县向阳区酒仙桥街道黑龙江省哈尔滨市巴彦县丰台区长辛店镇淮南市大通区四川省甘孜藏族自治州九龙县福建省南平市湖北省宜昌市夷陵区山东省青岛市城阳区内蒙古乌海市乌达区吉林省白山市浑江区山西省晋都会泽州县亳州市利辛县黑龙江省大兴安岭地区呼玛县平山县东回舍镇向阳区酒仙桥街道西城区月坛街道云南省西双版纳傣族自治州勐腊县山西省晋都会泽州县陕西省汉中市西乡县丰台区宛平城地区向阳区管庄地区广东省云浮市新兴县江苏省徐州市福建省莆田市仙游县甘肃省陇南市武都区南开区长虹街道南开区体育中心街道陕西省汉中市南郑区大兴区江苏省镇江市句容市西藏阿里地区日土县云南省玉溪市新平彝族傣族自治县海南省海？
？？？？谑忻览记⒖怂盏厍潞拖卦颇鲜∥纳阶匙迕缱遄灾沃莨隳舷厮拇ㄊ∫吮鍪写淦燎蕉×亩蓟彳萜角嘈闱吕质行裣缟蕉×亩蓟峁谙厣挛魇”κ忻枷卦藁氏卦和氛蚋＝ㄊ∑翁锸邢捎蜗睾诹『赘谑衅缴较卣毕绾诹∷缁忻魉仄缴较囟厣嵴虿角亓劢值老蜓羟」亟值

售后服务上门服务电话，，，，，，智能分配票据：代码定位太慢？？
？？？？蚂蚁ACL2026新作：让模子自己学会「该搜几多」

新智元报道

【新智元导读】FuseSearch：学习型自顺应并行执行 —— 一个40亿参数的模子，，，，，，凭什么在代码定位上干过了商用闭源大模子？？
？？？？谜底只有四个字：搜得更智慧。。。

在AI编程狂飙突进的今天，，，，，，一个尴尬的事实正在浮出水面：

你花在「让 AI 改代码」上的钱，，，，，，凌驾一半着实烧在了「找代码」上。。。

研究批注，，，，，，目今最先进的AI编程Agent，，，，，，凌驾50%的盘算资源消耗在代码搜索与定位环节——Agent翻来覆去地搜文件、读代码、定位函数，，，，，，轮次消耗惊人，，，，，，Token账单飞涨。。。

当所有人都在卷「模子多大、能写多长的代码」时，，，，，，蚂蚁集团的一篇ACL 2026 Findings论文把眼光转向了一个更底层的问题：能不可让搜索自己变得更智慧？？
？？？？

谜底是可以。。。并且效果堪称惊艳——

FuseSearch-4B，，，，，，一个仅40亿参数的开源模子，，，，，，在SWE-bench Verified上抵达84.7%文件级F1，，，，，，匹配Claude Haiku 4.5的定位能力，，，，，，同时速率快93.6%，，，，，，Token消耗降低68.9%。。。

怎么做到的？？
？？？？一句话：让模子自己学会该并行几多。。。

代码定位

AI编程最烧钱的「卡脖子」环节

设想这样一个场景：你让AI帮你修一个Bug，，，，，，它需要在一个几十万行代码的大型项目中，，，，，，精准找到该改哪个文件、哪个函数。。。

这就是代码定位（Code Localization）——自动软件修复中最要害、也最腾贵的瓶颈。。。

现有方案分为两大门户，，，，，，各有各的痛点：

但这两派有一个配合的致命缺陷：一次只能做一件事。。。

每一轮交互只能挪用一个工具，，，，，，逐步缩小规模。。。就像你在图书馆找一本书，，，，，，划定每次只能掀开一个书架看一眼——轮次用完了，，，，，，信息还没网络够。。。

论文把这种征象称为信息匮乏（Information Starvation）。。。

并行 ≠ 万能解药

那解决方案似乎很简朴——一次多调几个工具不就行了？？
？？？？

没那么容易。。。论文实验展现了一个反直觉的发明：无脑并行反而更糟。。。

若是牢靠每轮挪用8个工具（质朴的并行战略），，，，，，会爆发凌驾34.9%的冗余挪用——重复搜索已经看过的代码区域，，，，，，不但铺张Token，，，，，，还会引入噪声信号滋扰判断。。。

焦点矛盾就此浮出水面：

并行少了→信息不敷用，，，，，，定位精度下降。。。并行多了→大宗冗余，，，，，，铺张盘算资源。。。

FuseSearch的焦点洞察是：搜索效率和搜索质量并非对立关系。。。要害不在于并行几多，，，，，，而在于——什么时间该多并行，，，，，，什么时间该少并行。。。

极简工具箱 + 自顺应智能

FuseSearch的设计哲学出奇地优雅：不给模子定死规则，，，，，，让它自己学会动态调解并行度。。。

3.1 三把「瑞士军刀」

零本钱安排

FuseSearch只用三个只读工具，，，，，，极其榨取：

就这三个。。。不需要代码知识图谱，，，，，，不需要语法剖析器，，，，，，不需要任何重型基础设施。。。零依赖，，，，，，拿来就能用，，，，，，可即时安排到恣意代码客栈。。。语言无关，，，，，，Python 客栈能用，，，，，，Java客栈也能用。。。

工具虽少，，，，，，能力完整——glob找文件、grep 搜内容、read_file读细节，，，，，，三者组合可以遍历整个代码库。。。

要害立异

用「信息增益」量化搜索质量

论文首次提出工具效率（Tool Efficiency）指标，，，，，，权衡每次工具挪用的信息新颖性：

信息增益=新发明的代码实体数÷总返回的代码实体数

打个例如：你派了5个侦探兵去探路。。。若是5个人报告的都是统一条路，，，，，，那4 个人就白跑了。。。工具效率权衡的，，，，，，就是「每个侦探兵带回了几多独家情报」。。。

效率越高 → 每次搜索都在探索新区域。。。效率越低 → 在做重复劳动。。。

两阶段训练

先学会并行，，，，，，再学会智慧地并行

FuseSearch的训练战略分两步走：

阶段一：监视微调（SFT）——建设并行能力

从233个高质量GitHub客栈中提取约21,000个issue-patch对，，，，，，用强盛的西席模子（Kimi-K2-Instruct）天生搜索轨迹。。。然后用双重标准严酷筛。。。

定位准确率 ≥ 0.8

工具效率 ≥ 0.5

从约24,000条候选轨迹中，，，，，，精选出约 6,000 条「又准又不铺张」的高质量数据，，，，，，教会小模子「每轮可以同时调 2-8 个工具」。。。

阶段二：强化学习（RL）——学会自顺应

SFT之后，，，，，，模子会并行了，，，，，，但还不知道什么时间该多并行、什么时间该少并行。。。

RL阶段的奖励函数设计得极为精妙：

\text{奖励} = 0.8 \times \text{定位准确率} + 0.2 \times (\text{定位准确率} \times \text{工具效率})

注重谁人乘积项：

只有「找得准」且「搜得不铺张」同时知足，，，，，，才华拿到特殊奖励

若是定位完全过失（准确率=0），，，，，，无论效率多高，，，，，，奖励都是零——模子不可「高效地犯错」

这个设计迫使模子在搜索的每个阶段都做权衡：目今是广撒网收益大，，，，，，照旧精准验证收益大？？
？？？？

训练效果：一种「先撒网、再收网」的搜索战略

经由RL训练，，，，，，模子自动学会了一种「老司机」式的自顺应搜索模式：

这种「先广度、后深度」的模式，，，，，，完全是模子自己从奖励信号中学出来的，，，，，，没有任何人工规则。。。

实验效果：小模子大翻身

5.1 焦点数据（SWE-bench Verified，，，，，，386 个实例）

在Qwen3-4B上比照之前的要领RepoSearcher，，，，，，FuseSearch的提升堪称碾压：

一句话总结：准确率翻倍，，，，，，速率快16倍，，，，，，Token省了近70%。。。

5.2 40亿参数 vs.商用闭源大模子

一个可以外地安排的4B开源小模子，，，，，，定位能力与商用闭源大模子持平，，，，，，同时更快、更省。。。

5.3 接入下游Agent：不掉精度，，，，，，省一半本钱

把FuseSearch-4B作为Kimi-K2-Instruct的「前置搜索引擎」：

不影响修复效果，，，，，，直接把本钱砍掉近一半。。。

为什么这项事情值得关注？？
？？？？

FuseSearch带来了三个层面的孝顺：

学术层面

首次将「搜索效率」酿成一个可训练的目的。。。不是简朴地让模子多搜或少搜，，，，，，而是通过精巧的奖励函数设计，，，，，，让模子自己学会「什么时间该搜几多」。。。这为 Agent 工具挪用战略的优化提供了一个新范式。。。

工程层面

极简设计，，，，，，零安排本钱。。。三个只读工具，，，，，，语言无关，，，，，，不依赖任何重型基础设施。。。论文作者已将代码开源，，，，，，可即时安排到恣意代码客栈。。。

工业层面

小模子逆袭大模子。。。40亿参数匹配Claude级别的定位体现，，，，，，证实晰「智慧的战略」比「堆参数」更主要。。。关于对延迟和本钱敏感的工业级AI编程场景，，，，，，这条蹊径极具落地价值。。。

论文信息

论文问题：FuseSearch: Learning Adaptive Parallel Execution for Efficient Code Localization

收录聚会：ACL 2026 Findings

作者单位：蚂蚁集团（Ant Group）

论文链接：https://github.com/sxthunder/FuseSearch

昨日官方更新权威研究效果代码定位太慢？？
？？？？蚂蚁ACL2026新作：让模子自己学会「该搜几多」

新智元报道

【新智元导读】FuseSearch：学习型自顺应并行执行 —— 一个40亿参数的模子，，，，，，凭什么在代码定位上干过了商用闭源大模子？？
？？？？谜底只有四个字：搜得更智慧。。。

在AI编程狂飙突进的今天，，，，，，一个尴尬的事实正在浮出水面：

你花在「让 AI 改代码」上的钱，，，，，，凌驾一半着实烧在了「找代码」上。。。

研究批注，，，，，，目今最先进的AI编程Agent，，，，，，凌驾50%的盘算资源消耗在代码搜索与定位环节——Agent翻来覆去地搜文件、读代码、定位函数，，，，，，轮次消耗惊人，，，，，，Token账单飞涨。。。

当所有人都在卷「模子多大、能写多长的代码」时，，，，，，蚂蚁集团的一篇ACL 2026 Findings论文把眼光转向了一个更底层的问题：能不可让搜索自己变得更智慧？？
？？？？

谜底是可以。。。并且效果堪称惊艳——

FuseSearch-4B，，，，，，一个仅40亿参数的开源模子，，，，，，在SWE-bench Verified上抵达84.7%文件级F1，，，，，，匹配Claude Haiku 4.5的定位能力，，，，，，同时速率快93.6%，，，，，，Token消耗降低68.9%。。。

怎么做到的？？
？？？？一句话：让模子自己学会该并行几多。。。

代码定位

AI编程最烧钱的「卡脖子」环节

设想这样一个场景：你让AI帮你修一个Bug，，，，，，它需要在一个几十万行代码的大型项目中，，，，，，精准找到该改哪个文件、哪个函数。。。

这就是代码定位（Code Localization）——自动软件修复中最要害、也最腾贵的瓶颈。。。

现有方案分为两大门户，，，，，，各有各的痛点：

但这两派有一个配合的致命缺陷：一次只能做一件事。。。

每一轮交互只能挪用一个工具，，，，，，逐步缩小规模。。。就像你在图书馆找一本书，，，，，，划定每次只能掀开一个书架看一眼——轮次用完了，，，，，，信息还没网络够。。。

论文把这种征象称为信息匮乏（Information Starvation）。。。

并行 ≠ 万能解药

那解决方案似乎很简朴——一次多调几个工具不就行了？？
？？？？

没那么容易。。。论文实验展现了一个反直觉的发明：无脑并行反而更糟。。。

若是牢靠每轮挪用8个工具（质朴的并行战略），，，，，，会爆发凌驾34.9%的冗余挪用——重复搜索已经看过的代码区域，，，，，，不但铺张Token，，，，，，还会引入噪声信号滋扰判断。。。

焦点矛盾就此浮出水面：

并行少了→信息不敷用，，，，，，定位精度下降。。。并行多了→大宗冗余，，，，，，铺张盘算资源。。。

FuseSearch的焦点洞察是：搜索效率和搜索质量并非对立关系。。。要害不在于并行几多，，，，，，而在于——什么时间该多并行，，，，，，什么时间该少并行。。。

极简工具箱 + 自顺应智能

FuseSearch的设计哲学出奇地优雅：不给模子定死规则，，，，，，让它自己学会动态调解并行度。。。

3.1 三把「瑞士军刀」

零本钱安排

FuseSearch只用三个只读工具，，，，，，极其榨取：

就这三个。。。不需要代码知识图谱，，，，，，不需要语法剖析器，，，，，，不需要任何重型基础设施。。。零依赖，，，，，，拿来就能用，，，，，，可即时安排到恣意代码客栈。。。语言无关，，，，，，Python 客栈能用，，，，，，Java客栈也能用。。。

工具虽少，，，，，，能力完整——glob找文件、grep 搜内容、read_file读细节，，，，，，三者组合可以遍历整个代码库。。。

要害立异

用「信息增益」量化搜索质量

论文首次提出工具效率（Tool Efficiency）指标，，，，，，权衡每次工具挪用的信息新颖性：

信息增益=新发明的代码实体数÷总返回的代码实体数

打个例如：你派了5个侦探兵去探路。。。若是5个人报告的都是统一条路，，，，，，那4 个人就白跑了。。。工具效率权衡的，，，，，，就是「每个侦探兵带回了几多独家情报」。。。

效率越高 → 每次搜索都在探索新区域。。。效率越低 → 在做重复劳动。。。

两阶段训练

先学会并行，，，，，，再学会智慧地并行

FuseSearch的训练战略分两步走：

阶段一：监视微调（SFT）——建设并行能力

从233个高质量GitHub客栈中提取约21,000个issue-patch对，，，，，，用强盛的西席模子（Kimi-K2-Instruct）天生搜索轨迹。。。然后用双重标准严酷筛。。。

定位准确率 ≥ 0.8

工具效率 ≥ 0.5

从约24,000条候选轨迹中，，，，，，精选出约 6,000 条「又准又不铺张」的高质量数据，，，，，，教会小模子「每轮可以同时调 2-8 个工具」。。。

阶段二：强化学习（RL）——学会自顺应

SFT之后，，，，，，模子会并行了，，，，，，但还不知道什么时间该多并行、什么时间该少并行。。。

RL阶段的奖励函数设计得极为精妙：

\text{奖励} = 0.8 \times \text{定位准确率} + 0.2 \times (\text{定位准确率} \times \text{工具效率})

注重谁人乘积项：

只有「找得准」且「搜得不铺张」同时知足，，，，，，才华拿到特殊奖励

若是定位完全过失（准确率=0），，，，，，无论效率多高，，，，，，奖励都是零——模子不可「高效地犯错」

这个设计迫使模子在搜索的每个阶段都做权衡：目今是广撒网收益大，，，，，，照旧精准验证收益大？？
？？？？

训练效果：一种「先撒网、再收网」的搜索战略

经由RL训练，，，，，，模子自动学会了一种「老司机」式的自顺应搜索模式：

这种「先广度、后深度」的模式，，，，，，完全是模子自己从奖励信号中学出来的，，，，，，没有任何人工规则。。。

实验效果：小模子大翻身

5.1 焦点数据（SWE-bench Verified，，，，，，386 个实例）

在Qwen3-4B上比照之前的要领RepoSearcher，，，，，，FuseSearch的提升堪称碾压：

一句话总结：准确率翻倍，，，，，，速率快16倍，，，，，，Token省了近70%。。。

5.2 40亿参数 vs.商用闭源大模子

一个可以外地安排的4B开源小模子，，，，，，定位能力与商用闭源大模子持平，，，，，，同时更快、更省。。。

5.3 接入下游Agent：不掉精度，，，，，，省一半本钱

把FuseSearch-4B作为Kimi-K2-Instruct的「前置搜索引擎」：

不影响修复效果，，，，，，直接把本钱砍掉近一半。。。

为什么这项事情值得关注？？
？？？？

FuseSearch带来了三个层面的孝顺：

学术层面

首次将「搜索效率」酿成一个可训练的目的。。。不是简朴地让模子多搜或少搜，，，，，，而是通过精巧的奖励函数设计，，，，，，让模子自己学会「什么时间该搜几多」。。。这为 Agent 工具挪用战略的优化提供了一个新范式。。。

工程层面

极简设计，，，，，，零安排本钱。。。三个只读工具，，，，，，语言无关，，，，，，不依赖任何重型基础设施。。。论文作者已将代码开源，，，，，，可即时安排到恣意代码客栈。。。

工业层面

小模子逆袭大模子。。。40亿参数匹配Claude级别的定位体现，，，，，，证实晰「智慧的战略」比「堆参数」更主要。。。关于对延迟和本钱敏感的工业级AI编程场景，，，，，，这条蹊径极具落地价值。。。

论文信息

论文问题：FuseSearch: Learning Adaptive Parallel Execution for Efficient Code Localization

收录聚会：ACL 2026 Findings

作者单位：蚂蚁集团（Ant Group）

论文链接：https://github.com/sxthunder/FuseSearch

在这场墟落体育盛宴中，，，，，，各民族选手并肩拼搏。。。数据显示，，，，，，进入决赛的402名运发动中，，，，，，少数民族运发动达224名，，，，，，占比凌驾55.7%。。。男子组152名少数民族运发动与汉族选手混淆组队，，，，，，女子组72名少数民族选手同样在步队中施展主干作用。。。(完)

凯时AG

湖北一新娘不要彩礼 公交车当婚车