Search-G1 奖励框架论文发布

2026年10月15日，arXiv Artificial Intelligence 刊出 Ruoxi Cheng 等作者的论文，提出 Search-G1——一个面向选择性接地搜索的共演化表征奖励框架。该框架将检索必要性与证据依赖耦合，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。论文称，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，反事实证据依赖更强、搜索次数更少。上述内容均来自该论文自述，为其单方声明，尚待独立验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。