Search-G1: Grounded Search Agents via Representation-Based Intrinsic Rewards
arXiv:2608.07531v3 提出 Search-G1，一种基于表示的内在奖励框架，旨在通过两个干预校准的读数测量代理回答的操作 grounding。该框架利用提示状态读数预测闭书充分性以定义检索必要性，并利用答案提交读数估计对证据删除的敏感性来评估证据依赖。经校准后，Search-G1 在强化学习优化中无需过程标注或 LLM 作为裁判推理，即可为正确搜索轨迹提供额外信用并惩罚重复搜索。实验表明，该方法改善了 grounding--search-cost 权衡，在多个基于搜索的问题回答基准和两种模型规模上，以具有竞争力的任务准确率生成了更短的响应侧轨迹。代码已发布在 https://github.com/Rosy0912/Search-G1。