SearchMaster：面向搜索智能体的有据可依、受调控自对弈框架

SearchMaster 是一个自对弈框架，让共享 LLM 策略在本地搜索环境中自行生成、求解并验证搜索任务，无需人工标注 QA 对或专家演示。它用 Evidence-Chain Generator 减少伪多跳问题、Search-Depth Reward 按搜索深度评估难度、Over-Opening Penalty 抑制过度打开文档，并以 GRPO 联合优化。