يعالج الباحثون عدم كفاءة نماذج اللغات المعززة بالبحث من خلال صياغة مشكلة توجيه بحث على مستوى الأمثلة تقرر ما إذا كانت هناك حاجة إلى أدلة خارجية لتحسين نجاح المهمة. ويستنتجون الإشراف بمقارنة نتائج البحث غير المفروض مع البحث المفروض لبناء مرجع مثالي، يعمل كمعيار تقييم وإشارة تعلم لتدريب السياسات عبر الضبط الدقيق الخاضع للإشراف وتحسين التفضيل.
- تحسّن دقة F1 الشامل لتوجيه البحث على الأمثلة المؤهلة للمرجع المثالي من 0.7082 إلى 0.8235 لـ Gemma E2B.
- ارتفع نفس المقياس من 0.7053 إلى 0.8365 لـ Qwen3.5-4B.
- تقلل السياسات المتعلمة من فشل التوجيه الخاص بكل نموذج، حيث تتعلم Gemma بشكل أساسي ضبط النفس عن عدم البحث، بينما يقلل Qwen من حالات الفشل في إجراء البحث.
- تكشف الحالات المتبقية غير المحلولة عن اختناقات متنوعة تتضمن قدرة النموذج، وميزانية الاسترجاع، واستخدام الأدلة، وسلوك السياسة.
يتيح هذا النهج للنماذج تحديد ما إذا كان البحث مفيدًا بشكل أفضل، ومتى يكون التصحيح أو التوضيح أو الامتناع أكثر ملاءمة.