arXiv Artificial Intelligence· Ruoxi Cheng, Haoxuan Ma, Hongyi Zhang, Junming Zhang, Ranjie Duan, Qiaolin Xia, Hao Wang, Yu Lu, Haibo Shi, Xingjun Ma·· 19 小时前AI 评分22
Search-G1：面向选择性接地搜索的共演化表征奖励框架
Search-G1: Co-Evolving Representation-Based Rewards for Selective Grounded Search
AI 导读
Search-G1 是一个将检索必要性与证据依赖耦合的奖励框架，通过两个干预校准的隐藏状态读出实现选择性接地搜索：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。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，反事实证据依赖更强、搜索次数更少。
来源：arXiv Artificial Intelligence · arxiv.org