搜索智能体RAG落地不佳？UIUC开源s3，仅需2.4k样本，训练快效果好

当前，Agentic RAG（Retrieval-Augmented Generation）正逐步成为大型语言模型访问外部知识的关键路径。但在真实实践中，搜索智能体的强化学习训练并未展现 出预期的稳定优势。一方面，部分方法优化的目标与真实下游需求存在偏离，另一方面，搜索器与生成器间的耦合也影响了泛化与部署效率。 我们（UIUC & Amazon）提出的 s3（Search-Select-Serve） 是一种 训练效率极高、结构松耦合、生成效果导向的 RL 范式 。该方法使用名为 Gain Beyond RAG (GBR) 的奖励函数，衡量搜索器是否真的为生成带来了有效提升。实验表明，s3 在使用仅 2.4k 训练样本 的情况下，便在多个领域问答任务中超越了数据规模大百 倍的强基线（如 Search-R1、DeepRetrieval）。 论文标题：s3: You Don't Need That Much Data to Train a Search Agent via RL 研究动机 RAG 的发展轨迹：从静态检索到 Agentic 策略 b. Search-R1 ：将检索与生成联合建模，以最终答案是否 Exa ...