研究人员通过构建一个实例级的搜索路由问题来解决增强型语言模型中搜索效率低下的问题，该问题决定是否需要外部证据来提高任务成功率。他们通过比较无搜索和强制搜索的结果来推导监督信号，从而构建一个 oracle（理想参考），作为评估标准和用于通过监督微调和偏好优化训练策略的学习信号。

  • 对于符合oracle条件的示例，Gemma E2B的搜索路由宏观F1分数从0.7082提升至0.8235。
  • Qwen3.5-4B的同一指标从0.7053提升至0.8365。
  • 学习到的策略减少了特定模型的错误路由，其中Gemma主要学会了克制不使用搜索，而Qwen减少了遗漏搜索的情况。
  • 剩余的未解决案例揭示了涉及模型容量、检索预算、证据使用以及策略行为的异构瓶颈。

这种方法使模型能够更好地判断何时搜索有益，而何时纠正、澄清或弃权更为合适。