摘要
代理搜索系统通过迭代交互检索模型来回答复杂查询，但优化检索器仍具挑战。本文提出 Critic-R 框架，在推理和训练阶段显式闭合推理代理与检索模型间的反馈回路。该框架引入批评模型，评估代理消耗检索证据后的内省推理轨迹，判断上下文是否足以支持下一步推理。Critic-R 包含两种互补机制：Critic-R-Zero 用于推理时的查询细化循环，Critic-Embed 则利用成功与失败的细化轨迹作为自动监督来优化检索模型，无需人工标注。实验表明该方法显著提升了检索质量与答案准确率。
AI 推荐理由
论文核心在于利用内省反馈优化检索以支持多步推理，直接提升 Agent 的推理质量。
研究机构
Center for Intelligent Information Retrieval, University of Massachusetts Amherst
论文信息