SlimSearcher：通过自适应奖励门控训练效率感知的 Web 智能体

深度研究智能体虽具备强大信息检索能力，但常因盲目依赖工具和冗余推理导致计算成本高昂。为此，本文提出 SlimSearcher 框架，旨在平衡准确率与计算成本。在监督微调阶段，利用帕累托高效过滤蒸馏出成功且经济的轨迹；在强化学习阶段，引入自适应奖励门控机制，动态评估工具与令牌效率，避免简洁性偏差并防止奖励黑客行为。实验表明，该方法在保持或提升准确率的同时，显著减少了工具调用次数。