面向搜索智能体跨源证据溯因的奖励模型基准与训练

研究提出跨源证据溯因（CSEG）评估框架，用六层决策树覆盖完整搜索轨迹，并构建含 1,160 条已验证轨迹、九条标准路径的 CSEG-Bench。基于该框架训练的 CSEG-RM 在基准上达到 83.9% 精确准确率，处于性能-token 效率帕累托前沿。仅用该奖励模型监督冻结检索的答案策略，可将独立评判的平均标签从 2.83 提升至 4.19。