# SARL训练AI搜索时追踪尚待查明的信息

> 一篇新的arXiv论文称，SARL提升了检索式语言模型的搜索表现，且使用时无需增加评估步骤。

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

研究人员提出了自我评估强化学习（SARL），这是一种训练语言模型的方法，适用于先搜索信息再作答的模型。该方法教模型追踪已找到的信息和仍然缺少的信息，旨在减少错误推理和过早停止搜索的情况。

作者称，与最强基线相比，SARL的相对表现提升了24.3%；在多跳推理和深度研究基准测试中，相较于各任务的最强基线，平均分别提升了35.9%和27.9%。他们表示，SARL在生成答案时无需额外评估；不过，论文摘要没有说明测试所用的模型，也未提供足够细节来判断这些结果能否适用于实际部署的搜索工具。

## 事实

- 这篇论文发表于arXiv，编号为arXiv:2610.30435。
- 作者称，与最强基线相比，SARL的相对表现提升了24.3%。

## 为什么重要

对于开发研究助理的团队而言，SARL表明，可以在训练阶段教会模型追踪搜索进展，而不必在使用时另设步骤；但论文摘要并不能证明它有助于现实产品。

## 来源与参考

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

最后更新: 2026-10-23