这项由中国东谈主民大学高瓴东谈主工智能学院与百度公司连合开展的相干发表于2025年1月的筹办机科学期刊，论文编号为arXiv:2601.11888v1。有兴味深入了解的读者不错通过这个编号查询竣工论文。

当咱们在网上搜索复杂问题时，常常会碰到这么的困扰：问一个需要多步推理的问题，比如"谁年齿更大，杰德·霍耶还是约翰·威廉·亨利二世？"传统的搜索引擎时时只可给出一堆干系网页，让咱们我方去翻找和整理信息。但目下，东谈主工智能搜索助手的出现转换了这一切。

这些AI搜索助手就像一个相等灵巧的相干助理，它们梗概把复杂问题明白成几个小问题，然后一步步搜索和推理，最终给出准确谜底。比如靠近上头的问题，它会先搜索"杰德·霍耶出身年份"，再搜索"约翰·威廉·亨利二世出身年份"，然后比拟两个日历得出谜底。这种搜索样式被相干东谈主员称为"智能体搜索"。

不外，这里有个枢纽问题：这些AI搜索助手天然很灵巧，但它们使用的搜索引擎却还停留在传统步地。就好比有一个优秀的厨师，但给他配了一把钝刀。现存的搜索引擎主要基于相似性匹配，也即是说，它们会找出在笔墨抒发上最相似的内容，但这些内容无意对最终回话问题着实有用。

相干团队发现了这个痛点，并开辟出了一套全新的搜索引擎教练方法，成心为这些智能搜索助手量身定制。他们将这个改造版搜索引擎定名为Agentic-R，意旨风趣是"专为智能体联想的检索器"。

一、再行界说"有用"的搜索贬抑

传统搜索引擎就像一个只看名义的典籍管制员。当你问他要对于"苹果"的贵寓时，他会把总共提到"苹果"这个词的书齐给你，不管你着实需要的是生果苹果还是苹果公司。而Agentic-R更像一个着实默契你需求的智能助手。

相干团队提议了一个立异性的观点：不成只是因为一段笔墨在名义上与搜索词相似，就合计它有用。着实有用的信息应该无礼两个行为。

第一个行为是"局部干系性"，也即是这段信息是否能平直回话现时这一步的小问题。比如当AI助手搜索"杰德·霍耶出身年份"时，一段包含"杰德·霍耶1974年出身"的笔墨显然比只是提到"杰德·霍耶是棒球司理"的笔墨更有价值。

第二个行为愈加奥密，叫作念"全局谜底正确性"。相干东谈主员相识到，有时辰一段看似干系的信息施行上会把AI助手带偏。就像窥探破案时，一个看似进犯的萍踪可能是误导性的，最终导致无理的论断。因此，他们不仅要看信息是否干系，更要看使用这个信息是否能匡助AI得出正确的最终谜底。

为了评估第一个行为，相干团队联想了一个"智能评分员"。这个评分员会同期稽察搜索问题和多个候选谜底段落，然后像阅卷诚实一样给每个段落打分，分数从0到100分。80分以上默示这段笔墨十足回话了问题，60到80分默示大部分回话了问题，依此类推。

更意旨风趣意旨风趣的是，这个评分经过还会参考一个"行为谜底"。相干团队让另一个AI系统分析整个搜索经过，算计出每一步搜索着实应该找到的谜底是什么。就像有了行为谜底的阅卷诚实，评分会愈加准确和客不雅。

对于第二个行为的评估就更平直了。相干团队会让AI助手分辨使用每个候选信息络续完成后续推理，望望最终能否得出正确谜底。淌若使用某段信息后AI能给出正确谜底，这段信息就取得高分；淌若导致无理谜底，就得低分。

通过联结这两个评分行为，相干团队梗概准确识别出着实有价值的搜索贬抑。他们优先琢磨全局谜底正确性，因为最终答对才是最进犯的；在谜底正确性疏通的情况下，再看局部干系性凹凸。

二、让搜索引擎和AI助手相互建立

传统的搜索引擎教炼就像是闭门觅句。工程师们用固定的问题和谜底来教练搜索引擎，教练完就算大功胜仗。但相干团队发现，这种作念法对于智能搜索助手来说并不睬想。

原因很约略：智能搜索助手使用的搜索问题齐是它我方生成的，这些问题的作风和用户平直提议的问题很不一样。就好比一个东谈主在心里肃静念念考时用的语言，和他对酬酢流时用的语言是不同的。用外部语言教练的搜索引擎，很难默契里面念念考的语言。

更进犯的是，当搜索引擎变得更好之后，AI助手的推崇也会提高，它会生成质地更高的搜索问题。这些新的高质地问题又不错用来进一步改造搜索引擎。这就变成了一个相互促进的良性轮回。

基于这个细察，相干团队联想了一套"瓜代优化"的教练策略，就像两个舞伴在相互合营中越跳越好。

在第一轮中，他们先用基础的搜索引擎来教练AI搜索助手。AI助手通过强化学习不休尝试和改造，就像学生通过作念训练题提高解题能力。每次AI助手回话正确就取得奖励，回话无理就得到负响应，通过这种样式逐步学会更好的搜索和推理策略。

当AI助手教练好后，相干团队让它行止理大批训练问题，生成各式搜索轨迹。这些轨迹包含了AI助手在念念考经过中提议的各式子问题，以及它找到的各式信息片断。相干团队分析这些轨迹，使用前边提到的双重评分行为来判断哪些信息着实有用，然后用这些数据来教练新一代的搜索引擎。

有了改造的搜索引擎后，他们又用它来教练更强的AI助手。这个新的AI助手在更好的搜索引擎撑捏下，梗概找到更准确的信息，作念出更精准的推理。然后，这个更强的AI助手又生成更高质地的教练数据，用来进一步优化搜索引擎。

这个经过就像滚雪球一样，每一轮齐让系统变得更强。相干团队发现，经过两轮这么的瓜代教练后，后果达到最好，再多的轮数也不会带来彰着改造。

三、让搜索引擎更懂AI助手的"心念念"

教练搜索引擎时还有一个枢纽细节：应该给搜索引擎提供什么样的输入信息？

在日常对话搜索中，东谈主们日常需要联结前边的对话内容来默契现时问题。比如用户先问"苹果公司的首创东谈主是谁？"然后问"他什么时辰吃亏的？"这里的"他"显然指的是前边提到的史蒂夫·乔布斯。

但AI搜索助手的里面搜索很不一样。当AI助手进行多步推理时，它生成的每个子问题日常齐是竣工和清静的。比如它不会问"他什么时辰吃亏的？"而会明确问"史蒂夫·乔布斯什么时辰吃亏的？"这是因为AI在生成搜索问题时，会确保问题自己包含实足的凹凸文信息。

基于这个不雅察，相干团队决定让搜索引擎的输入包含两部分：原始用户问题和现时的搜索子问题。这么搜索引擎不仅知谈AI助手目下在找什么，也知谈此次搜索的最终诡计是什么。

举个例子，当用户问"谁年齿更大，杰德·霍耶还是约翰·威廉·亨利二世？"而AI助手现时搜索"杰德·霍耶出身年份"时，搜索引擎的输入即是"谁年齿更大，杰德·霍耶还是约翰·威廉·亨利二世？ [分隔符] 杰德·霍耶出身年份"。

这种联想让搜索引擎梗概更好地默契搜索意图。它不仅知谈要找对于杰德·霍耶出身日历的信息，更进犯的是默契这个信息是用来比拟年齿的。因此，它会优先复返明确包含出身年份的信息，而不是只是提到杰德·霍耶的其他信息。

相干团队通过实验考据了这种联想的有用性。他们发现，不包含原始问题的搜索引擎推崇彰着较差，阐扬了凹凸文信息的进犯性。

四、全面考据：从表面到执行的飞跃

为了考据Agentic-R的施行后果，相干团队进行了一系列全面的实验测试。他们遴选了七个不同类型的问答数据集，就像建立了七个不同的科场，全场合试验系统性能。

这些测试涵盖了两大类问题。第一类是需要多步推理的复杂问题，比如"某某电影的导演的母校在哪个城市？"这类问题需要先找到电影导演是谁，再找到导演的母校，终末详情母校所在城市。第二类是相对约略的单步问题，比如"法国的齐门是何处？"这类问题日常一次搜索就能贬责。

实验贬抑让东谈主印象真切。Agentic-R在总共测试中齐推崇出色，平均准确率比最强的传统搜索引擎提高了3.2个百分点。更进犯的是，这种改造在不同类型的AI搜索助手上齐能体现，阐扬了方法的通用性。

极度意旨风趣意旨风趣的是，Agentic-R在复杂多步问题上的改造愈加彰着。在需要多步推理的问题上，它比传统方法平均提高了3个百分点，而在约略问题上只提高了2个百分点。这说明Agentic-R极度擅所长理复杂的推理场景，碰劲切中了智能搜索的中枢需求。

相干团队还发现了一个不测的克己：使用Agentic-R的AI助手完成任务所需的搜索次数更少。在一样能答对问题的前提下，它们平均减少了10-15%的搜索枢纽。这就像一个更高效的相干助理，能用更少的查询找到更准确的信息。

为了深入默契改造的来源，相干团队进行了安妥的拆解分析。他们发现，淌若去掉"全局谜底正确性"这个评分行为，系统性能会下落1.1个百分点；淌若去掉"局部干系性"行为，性能下落1.7个百分点。这阐述了两个行为齐很进犯，但局部干系性的作用愈加枢纽。

瓜代教练策略的后果也得到了考据。经过两轮瓜代教练后的系统比只教练一轮的版块提高了约0.9个百分点。天然提高看起来不大，但在AI系统中，每个百分点的改造齐代表着大批施行问题的正确贬责。

五、深度剖析：为什么传统方法不够用

相干经过中，团队还揭示了一个进犯发现：成心为传统单轮问答联想的搜索引擎，在智能搜索场景下反而推崇不如通用搜索引擎。

这个欣喜起头让相干东谈主员感到困惑。按理说，成心优化过的搜索引擎应该比通用引擎推崇更好才对。但仔细分析后，他们发现了问题所在。

传统的搜索引擎优化方法主要针对用户平直提议的问题进行教练。这些问题日常比拟竣工和具体，比如"iPhone 13的价钱是些许？"但AI助手在里面推理时生成的搜索问题作风很不一样，它们时时更简易、更技能化，比如"iPhone 13 价钱"。

更进犯的是，传统方法评估搜索贬抑厉害的行为相对约略，主要看笔墨内容是否匹配用户问题。但在多步推理场景中，一段笔墨是否着实有用，不仅取决于它是否回话现时问题，更取决于它是否有助于整个推理链条的到手。

相干团队通过一个具体案例展示了这种各异。在回话"谁创办了约翰·特拉沃尔塔第三部进犯电影中心的酒吧？"这个问题时，传统搜索引擎可能会复返大批包含"约翰·特拉沃尔塔"和"电影"的信息，但其中好多齐不成匡助详情他的第三部进犯电影具体是什么。

而Agentic-R教练出的搜索引擎更灵巧，它会优先复返明确提到"《齐市牛仔》是约翰·特拉沃尔塔继《周六夜狂热》和《油脂》之后的第三部进犯电影作品"这么的信息，平直鼓舞问题贬责程度。

这种各异的根柢原因在于评估行为的不同。传统方法只看局部匹配，而Agentic-R同期琢磨局部匹配和全局后果，因此能更好地识别着实有价值的信息。

六、技能创新的深层逻辑

Agentic-R的到手不仅在于具体的技能完了，更在于它体现的联想玄学转念。

传统搜索引擎联想罢免的是"相似性匹配"原则，就像一个严格按照枢纽词匹配的机械安装。而Agentic-R罢免的是"效率导向"原则，更像一个着实默契诡计的智能助手。

这种转念体目下多个方面。在数据构建上，传统方法使用固定的问答对进行教练，而Agentic-R使用动态生成的推理轨迹。在评估行为上，传统方法主要看文本相似度，而Agentic-R更关爱最终后果。在教练策略上，传统方法是一次性教练，而Agentic-R给与迭代优化。

相干团队还探索了不同范围搜索引擎的推崇。他们发现，岂论是使用较小的基础模子还是更大的高等模子手脚搜索引擎的中枢，Agentic-R的教练方法齐能带来显贵改造。这标明这种方法具有追究的推广性，往日跟着基础模子能力的提高，Agentic-R的后果还会进一步增强。

另一个意旨风趣意旨风趣的发现是对于教练数据的质地演化。在瓜代教练经过中，AI助手生成的搜索问题质地会不休提高，这些高质地的问题又为搜索引擎提供了更好的教练素材。相干团队不雅察到，第二轮教练中AI助手提议的问题愈加精准和有针对性，相应地教练出的搜索引擎也愈加智能。

七、施行应用与往日预计

天然这项相干主要在学术环境中进行考据，但它的应用远景相等宽阔。

在解释范畴，Agentic-R不错匡助开辟更智能的学习助手。当学生问一个复杂的历史问题时，系统梗概自动明白问题，逐步查找干系史料，最终给出竣工和准确的谜底。

在科研范畴，相干东谈主员常常需要查找和整合大批文件信息。Agentic-R不错匡助构建更智能的科研助手，自动完成文件调研的初步职责，大大提高相干效率。

在买卖应用中，客服系统不错愚弄Agentic-R来处理复杂的用户估量。比如用户估量"我买的产物为什么还没到，应该何如处理？"系统不错自动查找订单信息、物流现象、处理策略等多方面信息，给出概括性的贬责有诡计。

医疗会诊扶持是另一个潜在应用观点。天然不成替代大夫判断，但Agentic-R不错匡助医疗内行更快速地查找干系病例、药物信息、调治指南等贵寓，为会诊决策提供撑捏。

相干团队也坦诚地指出了现时系统的局限性。目下的实验主要蚁集在问答任务上，对于其他类型的复杂推理任务，后果还需要进一步考据。另外，系统的筹办老本相对较高，在大范围部署时需要琢磨效率优化问题。

往日的改造观点包括推广到更多类型的推理任务，提高系统的筹办效率，以及探索与更大范围语言模子的联结。相干团队极度提到，跟着基础AI模子能力的不休提高，Agentic-R的性能还有很大提高空间。

说到底，这项相干代表了搜索技能发展的一个进犯观点：节约单的信息匹配走向智能的需求默契。就像从传统的藏书楼查阅系统发展到当代的智能相干助手，Agentic-R让咱们看到了愈加智能和高效的信息获取样式的可能性。

对于普通用户来说，这意味着往日咱们与AI系统的交互会愈加天然和高效。咱们不再需要枉系念血地把复杂问题拆解成约略的枢纽词搜索，而是不错平直提议复杂问题，让AI助手自动完成信息查找和整合职责。

这种技能越过最终将让每个东谈主齐能享受到专科相干助理级别的信息事业，岂论是学习新常识、贬责职贬低题，还是无礼日常意思意思心，齐会变得愈加简单和准确。有兴味深入了解技能细节的读者，不错通过论文编号arXiv:2601.11888v1查阅竣工的相干论说。

Q&A

Q1：Agentic-R和普通搜索引擎有什么区别？

A：Agentic-R是成心为AI搜索助手联想的智能搜索引擎，它不像普通搜索引擎只看笔墨相似性，而是会判断搜索贬抑是否着实有助于回话问题。就像一个懂你需求的助手，它会优先提供那些能帮你得出正确谜底的信息，而不是只是包含枢纽词的无关内容。

Q2：为什么需要让搜索引擎和AI助手通盘教练？

A：因为AI助手里面生成的搜索问题和东谈主类平直输入的搜索词很不一样，就像一个东谈主念念考时的语言和讲话时的语言不同。通过让它们通盘教练，搜索引擎能更好地默契AI助手的"念念路"，而AI助手也能基于更好的搜索贬抑作念出更准确的推理，变成相互促进的良性轮回。

Q3：普通东谈主什么时辰能用上这种技能？

A：天然这项相干目下还在学术阶段，但近似的技能很可能会逐步融入咱们常用的搜索引擎和AI助手中。往日当咱们问复杂问题时，比如需要多步推理的问题，AI助手就能自动帮咱们查找和整合信息，给出更准确竣工的谜底，让搜索体验变得更智能简单。