Pesquisadores abordam a ineficiência de modelos de linguagem aumentados com busca ao formular um problema de roteamento de busca em nível de instância que decide se evidência externa é necessária para melhorar o sucesso da tarefa. Eles derivam a supervisão comparando os resultados sem busca e com busca forçada para construir um oráculo, que serve tanto como critério de avaliação quanto sinal de aprendizado para treinar políticas por meio de ajuste fino supervisionado e otimização de preferências.

  • O macro-F1 do roteamento de busca em exemplos elegíveis para o oráculo melhorou de 0.7082 para 0.8235 para Gemma E2B.
  • A mesma métrica aumentou de 0.7053 para 0.8365 para Qwen3.5-4B.
  • Políticas aprendidas reduzem falhas de roteamento específicas do modelo, com a Gemma aprendendo principalmente a restrição de não buscar e o Qwen reduzindo buscas perdidas.
  • Casos RESIDUAIS NÃO RESOLVIDOS revelam gargalos heterogêneos envolvendo capacidade do modelo, orçamento de recuperação, uso de evidência e comportamento da política.

Essa abordagem permite que os modelos determinem melhor quando a busca é benéfica versus quando correção, esclarecimento ou abstenção seriam mais apropriados.