Reinforcement Learning Agentic RAG Multi-hop Reasoning Search Agent
摘要

本文提出 EviBack,一种证据约束的教师回退机制,旨在解决代理检索增强生成(RAG)系统中全零 rollout 组缺乏比较信号的问题。该方法将证据评估与答案优化分离,防止参考答案掩盖证据不足的判断。通过全自动端到端流程,系统自动生成门控两阶段教师模型。在七个开放域问答基准测试中,EviBack 显著提升了 F1 值和有效回答率,同时减少了冗余搜索和强制终止,优于现有 Search-R1 方法。

AI 推荐理由

论文核心研究基于证据约束的搜索代理强化学习,显著提升多跳推理与问答准确性。

研究机构
NextAI Research Institute
论文信息
作者 Xiao Ma, Zhiquan Hu, Yi Wei, Chenchen Zhao, Yijun Chen et al.
发布日期 2026-07-27
arXiv ID 2607.23955
相关性评分 9/10 (高度相关)