Para peneliti mengatasi inefisiensi model bahasa yang diperkaya dengan pencarian dengan merumuskan masalah pengalihan pencarian pada tingkat contoh yang memutuskan apakah bukti eksternal diperlukan untuk meningkatkan keberhasilan tugas. Mereka menurunkan pengawasan dengan membandingkan hasil tanpa-pencarian dan dengan-pencarian paksa untuk membangun oracle, yang berfungsi sebagai kriteria evaluasi dan sinyal pembelajaran untuk melatih kebijakan melalui penyetelan halus terawasi dan optimasi preferensi.
- Macro-F1 pengalihan pencarian pada contoh yang memenuhi syarat oracle meningkat dari 0.7082 menjadi 0.8235 untuk Gemma E2B.
- Metrik yang sama meningkat dari 0.7053 menjadi 0.8365 untuk Qwen3.5-4B.
- Kebijakan yang dipelajari mengurangi kegagalan pengalihan spesifik-model, dengan Gemma terutama mempelajari penahanan tanpa-pencarian dan Qwen mengurangi pencarian yang terlewat.
- Kasus UNSOLVED residual mengungkap hambatan heterogen yang melibatkan kapasitas model, anggaran pengambilan, penggunaan bukti, dan perilaku kebijakan.
Pendekatan ini memungkinkan model menentukan lebih baik kapan pencarian bermanfaat versus ketika koreksi, klarifikasi, atau abstensi akan lebih tepat.