LLM 何时应该搜索？用于搜索路由的反事实监督

搜索增强语言模型可利用外部证据弥补参数知识局限，但搜索并非总是有益。本文将此建模为实例级搜索路由问题，即判断是否需搜索以提升任务成功率。通过对比无搜索与强制搜索结果构建反事实监督信号，利用监督微调与偏好优化训练路由策略。实验显示，该策略显著提升了 Gemma 和 Qwen 模型的路由宏 F1 分数，有效减少了不必要的搜索调用或遗漏，揭示了模型容量与检索策略间的瓶颈。