论文页面 - SAAS：用于智能搜索中过度搜索缓解的自我意识强化学习

来源：https://huggingface.co/papers/2605.29796

摘要

SAAS 提出了一种强化学习框架，通过增强智能体的自我意识，减少基于 LLM 的问答系统中的不必要搜索。

智能搜索（https://huggingface.co/papers?q=Agentic%20search）使 LLM（https://huggingface.co/papers?q=LLMs）能通过迭代推理（https://huggingface.co/papers?q=iterative%20reasoning）和外部搜索（https://huggingface.co/papers?q=external%20search）解决复杂的多跳问题（https://huggingface.co/papers?q=multi-hop%20questions）。尽管效果显著，但这些系统在实践中常面临一个关键局限：智能体无法识别自己的知识边界，在内部知识已足够时盲目触发搜索，即使已收集到足够证据也无法终止搜索。缺乏自我意识（https://huggingface.co/papers?q=self-awareness）会导致严重的过度搜索（https://huggingface.co/papers?q=over-search），带来大量的推理延迟和过高的计算成本。为此，我们提出 SAAS，一种新颖的强化学习框架（https://huggingface.co/papers?q=RL%20framework），旨在培养动态自我意识（https://huggingface.co/papers?q=self-awareness），在不牺牲准确性的前提下精确调节搜索行为。SAAS 引入三个关键组件：（i）搜索边界建模（https://huggingface.co/papers?q=search%20boundary%20modeling）机制，通过对比禁用搜索和启用搜索的轨迹，识别决策策略演进下的搜索边界；（ii）边界感知奖励模块（https://huggingface.co/papers?q=boundary-aware%20reward%20module），将这种边界意识转化为轨迹级别的惩罚（https://huggingface.co/papers?q=trajectory-level%20penalties），抑制不必要和冗余的搜索；（iii）分阶段优化（https://huggingface.co/papers?q=stage-wise%20optimization）策略，利用顺序课程优先进行推理而非搜索正则化，从而避免奖励作弊（https://huggingface.co/papers?q=reward%20hacking）。大量实验表明，SAAS 大幅减少过度搜索（https://huggingface.co/papers?q=over-search），同时保持准确性。我们的代码以匿名方式发布在 https://github.com/XMUDeepLIT/SAAS。

查看 arXiv 页面（https://arxiv.org/abs/2605.29796）查看 PDF（https://arxiv.org/pdf/2605.29796）GitHub5（https://github.com/XMUDeepLIT/SAAS）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2605.29796）

在你的智能体中获取这篇论文：

hf papers read 2605\.29796

没有最新的 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用这篇论文的模型0

无模型链接到此论文

在模型 README.md 中引用 arxiv.org/abs/2605.29796 即可从本页链接。

引用这篇论文的数据集0

无数据集链接到此论文

在数据集 README.md 中引用 arxiv.org/abs/2605.29796 即可从本页链接。

引用这篇论文的 Space0

无 Space 链接到此论文

在 Space README.md 中引用 arxiv.org/abs/2605.29796 即可从本页链接。

包含这篇论文的收藏集0

无收藏集包含此论文

将此论文添加到一个收藏集（https://huggingface.co/new-collection）中即可从本页链接。