शोधकर्ता खोज-संवर्धित भाषा मॉडलों की अक्षमता को एक उदाहरण-स्तर की सर्च-रूटिंग समस्या को परिभाषित करके संबोधित करते हैं, जो यह तय करती है कि कार्य सफलता को बेहतर बनाने के लिए बाह्य प्रमाण की आवश्यकता है या नहीं। वे नो-सर्च और फोर्सड-सर्च परिणामों की तुलना करके सुपरविजन व्युत्पन्न करते हैं ताकि एक ऑरैकल बनाया जा सके, जो मूल्यांकन मानदंड के साथ-साथ सुपरवाइज्ड फाइन-ट्यूनिंग और प्राफरेंस ऑप्टिमाइज़ेशन के माध्यम से नीतियों को प्रशिक्षित करने के लिए एक सीखने का संकेत भी होता है।
- ऑरैकल-योग्य उदाहरणों पर सर्च रूटिंग मैक्रो-F1, Gemma E2B के लिए 0.7082 से बढ़कर 0.8235 हो गया।
- Qwen3.5-4B के लिए वही मेट्रिक 0.7053 से बढ़कर 0.8365 हो गया।
- सीखी गई नीतियाँ मॉडल-विशिष्ट रूटिंग विफलताओं को कम करती हैं, जिसमें Gemma मुख्य रूप से नो-सर्च संयम सीख रहा है और Qwen चूक गए सर्च को कम कर रहा है।
- अवशेष UNSOLVED मामले मॉडल क्षमता, रीट्रीवल बजट, प्रमाण उपयोग और नीति व्यवहार से जुड़े विषम बाधाओं को उजागर करते हैं।
यह दृष्टिकोण मॉडलों को यह बेहतर निर्धारित करने की अनुमति देता है कि सर्च लाभदायक कब है बनाम जब सुधार, स्पष्टीकरण या विरत रहना अधिक उपयुक्त होगा।