分而治之：基于跨智能体学习信号的角色分解多智能体 LLM 训练

现代语言智能体在多步推理中表现优异，但现有方法常将证据获取与答案生成耦合于单一策略，导致角色冲突及训练中的信用分配难题。本文提出 DAC 框架，将智能体搜索分解为由专用智能体处理的两个协作子任务。生成器兼具答案生产与证据充分性验证功能，其弃权信号作为结构化反馈优化搜索代理的奖励机制；搜索器则通过增强困难证据提升生成器鲁棒性。实验表明，该基于共享骨干网 LoRA 模块的方法在多项问答基准上优于全量微调的单体模型基线。