基于信息增益的展开策略优化：一种面向多轮 LLM 智能体的自适应树结构展开方法

强化学习是提升大语言模型智能体长程搜索任务表现的重要范式，但现有方法常因未评估中间状态效用而浪费计算资源。本文提出基于信息增益的展开策略优化（IGRPO）框架，将中间状态的信息量作为展开收集的核心原则。该方法通过感知预算的树结构展开，依据节点信息量分配扩展预算，优先扩展高信息量分支并抑制低价值分支。实验表明，在相同预算约束下，IGRPO 在七个搜索增强问答基准上均优于强基线，验证了利用诱导教师分布指导策略优化的有效性。