Search-G1 选择性检索奖励框架论文发布

Ruoxi Cheng 等作者在 arXiv 发布 Search-G1，一个面向选择性接地搜索的奖励框架。该框架通过两个干预校准的隐藏状态读出，把检索必要性与证据依赖耦合起来：prompt 读出预测闭卷充分性以代理检索必要性，answer-commit 读出预测证据依赖。 作者称，校准后打分无需过程标注或 LLM 评判推理，并在四个 QA 基准和两种规模上取得有竞争力的准确率，同时表现出更强的反事实证据依赖和更少的搜索次数。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。