arXiv cs.AI· Haochen Zhao, Minsheng Hao, Zheng Li, Yifan Li, Zikang Liu, Bowen Qin, Yuhao Cheng, Chuang Fan, Haosheng Zou, Jeff Chen, Sujian Li·· 3 天前AI 评分31
面向搜索智能体跨源证据锚定的奖励模型基准与训练
Benchmarking and Training Reward Models for Cross-Source Evidence Grounding in Search Agents
AI 导读
研究者提出跨源证据锚定（CSEG）评估框架，用六层决策树覆盖完整搜索轨迹，并构建 CSEG-Bench 与可训练奖励模型。团队基于真实检索文档池重写答案，构建覆盖九条规范路径的 1,160 条已验证轨迹，训练出的 CSEG-RM 在基准上达到 83.9% 精确准确率。仅用该奖励监督冻结检索的答案策略，可将独立评判的平均标签从 2.83 提升至 4.19。
正文 · AI 翻译
作者：Haochen Zhao、Minsheng Hao、Zheng Li、Yifan Li、Zikang Liu、Bowen Qin、Yuhao Cheng、Chuang Fan、Haosheng Zou、Jeff Chen、Sujian Li
摘要：现有的搜索智能体训练与评估方法主要关注最终答案的质量，在很大程度上忽视了生成的答案如何映射回检索到的证据。近期方法通过追踪引用来源来强制实现有据可依，但仅有引用支持并不能确立来源独立性，也无法判断答案是否恰当地处理了相互冲突的证据。我们认为，开放网络检索中的可信度取决于有原则的跨来源证据依据，这种依据需要考虑来源独立性，并系统地归因和裁决相互冲突的证据，而对这些依据决策的层级化判断则为训练和评估提供了统一的信号。为此，我们提出了一个评估框架——跨来源证据依据（CSEG），它在完整的搜索轨迹上采用细粒度的六层决策树。我们引入了 CSEG-Bench 和可训练的奖励模型，以按照该框架提供有针对性的监督。我们的方法通过针对复杂深层决策路径（如跨来源冲突解决和细致归因）提供有针对性的覆盖，帮助消除了自然轨迹中严重的数据偏斜，而这些路径是标准 rollout 无法捕捉的。具体而言：（1）我们在标签、节点和路径三个层级上定义了该层级结构；（2）我们通过在真实检索文档池上重写答案，构建了覆盖九条规范路径的 1,160 条经过验证的轨迹，并由独立的前沿评判模型复现完整的黄金路径，由人类专家决定是否纳入；（3）我们训练了 CSEG-RM，它在我们基准上达到 83.9% 的精确准确率，同时位于性能-令牌效率帕累托前沿上。仅使用该奖励来监督冻结检索的答案策略的实验，将独立评判的平均标签从 2.83 提升到 4.19，并表明学习该层级结构能够以极低的前沿评判成本跨层泛化。
| 学科： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.17827 [cs.AI] |
| （或 arXiv:2610.17827v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.17827 arXiv 颁发的 DOI 经由 DataCite（待注册） |
提交历史
来自：Haochen Zhao [查看电子邮件]
[v1]
2026年10月13日星期二 06:48:56 UTC（1,871 KB）
来源：arXiv cs.AI · arxiv.org