# SARL insegna all’IA a capire cosa manca nella ricerca

> Un nuovo articolo su arXiv riferisce che SARL ha migliorato le prestazioni di ricerca dei modelli linguistici basati sul recupero di informazioni, senza aggiungere passaggi di valutazione durante l’uso.

Oossa · 2026-10-23 · https://oossa.com/it/sarl-trains-search-ai-to-track-what-it-still-needs

I ricercatori propongono Self-Assessment Reinforcement Learning (SARL), un metodo di addestramento per i modelli linguistici che cercano informazioni prima di rispondere. Il metodo insegna loro a tenere traccia di ciò che hanno trovato e di ciò che ancora manca, con l’obiettivo di ridurre gli errori di ragionamento e le ricerche interrotte troppo presto.

Gli autori riferiscono un miglioramento relativo del 24.3% rispetto al loro baseline più solido, con incrementi medi del 35.9% nei benchmark di ragionamento multi-hop e del 27.9% in quelli di ricerca approfondita, rispetto ai baseline più solidi per ciascun compito. Secondo gli autori, SARL non richiede valutazioni aggiuntive al momento di formulare la risposta; l’abstract dell’articolo non indica quali modelli siano stati testati né fornisce dettagli sufficienti per valutare quanto i risultati siano applicabili agli strumenti di ricerca disponibili.

## I fatti

- L’articolo è stato pubblicato su arXiv con il codice arXiv:2610.30435.
- Gli autori riferiscono un miglioramento relativo del 24.3% rispetto al loro baseline più solido.

## Perché conta

Per i team che sviluppano assistenti per la ricerca, SARL suggerisce che si può insegnare ai modelli a tenere traccia delle ricerche durante l’addestramento, invece di aggiungere un passaggio separato al momento dell’uso. L’abstract, però, non dimostra che il metodo sia utile nei prodotti reali.

## Fonti e riferimenti

1. [Self-Assessment Reinforcement Learning for Search-State Awareness in Retrieval-Augmented Large Language Models](https://arxiv.org/abs/2610.30435) – arXiv, 2026-10-23

Ultimo aggiornamento: 2026-10-23