Search-G1：选择性有据搜索奖励框架

Ruoxi Cheng 等作者提出 Search-G1，一种通过两个干预校准的隐藏状态读取，把检索必要性与证据依赖耦合起来的选择性有据搜索奖励框架。该框架在四个 QA 基准和两种规模上取得有竞争力的任务准确率，在主要对比中展现出更强的反事实证据依赖与更少的搜索次数。 据作者称，校准之后打分既不需要过程标注，也不需要 LLM 评判推理；Search-G1 会定期重新生成目标并重新拟合其读出器。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。