提出跨源证据锚定评测框架CSEG

2026年10月14日，arXiv Artificial Intelligence 发布研究，Haochen Zhao 等作者提出跨源证据锚定（CSEG）评估框架，用于搜索智能体的跨源证据溯因评测与训练。该框架采用覆盖完整搜索轨迹的六层决策树，并构建了 CSEG-Bench 基准，包含 1,160 条已验证轨迹和九条标准路径。基于该框架训练的奖励模型 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。研究还显示，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。目前事件进展停留在该研究发布阶段。

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。