연구자들은 외부 증거가 작업 성공을 향상시키는 데 필요한지 여부를 결정하는 인스턴스 수준의 검색 라우팅 문제를 공식화함으로써 검색 증강 언어 모델의 비효율성에 대응한다. 그들은 무검색과 강제 검색 결과를 비교하여 오라클을 구성하고, 이를 평가 기준이자 지도 미세 조정 및 선호도 최적화를 통해 정책을 훈련하기 위한 학습 신호로 활용한다.
- 오라클 대상 예시에서의 검색 라우팅 매크로-F1이 Gemma E2B의 경우 0.7082에서 0.8235로 향상되었다.
- 동일한 지표가 Qwen3.5-4B의 경우 0.7053에서 0.8365로 증가했다.
- 학습된 정책은 모델별 라우팅 실패를 줄이며, Gemma는 주로 무검색을 억제하는 방법을 학습하고 Qwen은 누락된 검색을 줄인다.
- 잔여 미해결 사례들은 모델 용량, 검색 예산, 증거 활용 및 정책 행동이 관여하는 이질적인 병목 현상을 드러낸다.
이 접근 방식은 모델을 더 잘 결정하여 검색이 유익할 때와 수정, 명확화 또는 기권이 더 적절할 때를 구분하도록 한다.