# SARL учит ИИ-поиск отслеживать, чего ему не хватает

> В новой статье на arXiv сообщается, что SARL улучшил поиск у языковых моделей с поиском по источникам, не добавляя этапов оценки во время работы.

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

Исследователи предлагают Self-Assessment Reinforcement Learning (SARL) — метод обучения языковых моделей, которые ищут информацию перед тем, как ответить. Модель учится отслеживать, что уже найдено, а чего всё ещё не хватает. Цель — сократить число ошибочных рассуждений и случаев, когда поиск прекращается слишком рано.

По словам авторов, SARL обеспечил относительный прирост в 24.3% по сравнению с их самым сильным базовым методом. Средний прирост составил 35.9% в тестах на многошаговые рассуждения и 27.9% в тестах на углублённый поиск — относительно сильнейших базовых методов для этих задач. Авторы утверждают, что при подготовке ответа SARL не требует дополнительной оценки. В аннотации статьи не названы протестированные модели и недостаточно подробностей, чтобы оценить, насколько результаты применимы к поисковым инструментам, доступным пользователям.

## Факты

- Статья опубликована на arXiv под номером arXiv:2610.30435.
- Авторы сообщают об относительном приросте в 24.3% по сравнению с их самым сильным базовым методом.

## Почему это важно

Для команд, создающих исследовательских помощников, SARL показывает, что отслеживанию хода поиска можно обучить модель, а не добавлять для этого отдельный этап во время работы. Однако аннотация не подтверждает, что метод улучшит реальные продукты.

## Источники и ссылки

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

Обновлено: 2026-10-23