循环一致搜索：以问题可重构性作为搜索代理训练的代理奖励

针对现有搜索代理训练依赖难以扩展的金标监督问题，本文提出循环一致搜索（CCS）框架。该方法受无监督翻译启发，假设最优搜索轨迹能无损编码问题意图，从而通过重构原始问题的能力生成代理奖励。为防止信息泄露，研究引入信息瓶颈机制，如排除最终响应及命名实体掩码，确保奖励反映信息充分性而非语言冗余。实验表明，在无金标监督下，CCS 性能媲美监督基线并优于先前方法，为搜索代理提供了可扩展的训练范式。