[!abstract] 摘要
首次对基于强化学习的智能体搜索（RL-based Agentic Search）进行了全面概述：基础、角色、优化、评估与应用

1. 从“工具”到“决策者”的范式跃迁

传统 RAG（检索增强生成）系统就像一个“图书馆借书机器人”——用户提问，它检索一次，生成答案，任务结束。但真实世界的复杂问题往往需要多轮推理、动态调整、策略规划。这正是Agentic Search的用武之地：

智能体搜索通过将 LLM 构建为一个自主决策的智能体，从而超越了 RAG。模型不再是被动地使用检索到的文档，而是主动决定何时、何地以及如何搜索…

论文开篇就点明了核心痛点：LLM 面临静态知识、幻觉问题，而传统 RAG 又是单次、启发式的。RL 的引入让智能体能够通过试错自我改进，实现了从“被动检索”到“主动决策”的质变。

2. 核心框架：RL 赋能搜索的三维空间

论文提出了一个极具洞察力的分析框架，将 RL 在智能搜索中的作用解构为三个互补维度：

这三大维度构成了我们理解这个领域的“黄金三角”：

• What RL is for：RL 的功能角色（决定何时搜、如何搜）
• How RL is used：优化策略（奖励设计、训练方法）
• Where RL is applied：优化范围（Agent 级/模块级/系统级）

3. What—RL 扮演什么角色？

这部分是整篇综述最精彩的内容。作者将 RL 的功能角色归纳为五大核心类别，并提供了详细的分类表：检索控制、查询优化、推理—检索融合、多智能体协作、工具知识整合

3.1. 检索控制：让搜索变得“聪明”

传统 RAG 不管需不需要都会检索，而 RL 训练的智能体会自主判断：

• Search-R1学会了只在内部知识不足时才调用搜索引擎
• DeepRAG将复杂查询分解为原子子查询，逐个决策
• IKEA引入知识边界感知奖励，鼓励优先使用内部知识

关键洞察是：搜索不是越多越好，而是在正确的时间做正确的搜索。

3.2. 查询优化：会说才会搜

用户提问往往是模糊的，RL 让智能体学会“翻译”：

• ConvSearch-R1通过 Rank-Incentive 奖励，让改写后的查询能检索到更高排名的相关文档
• DeepRetrieval训练 LLM 生成符合特定搜索引擎偏好的查询（就像“黑进”搜索引擎）

3.3. 推理—检索融合：边想边搜，边搜边想

这是 Agentic Search 的核心优势——推理与检索的闭环：

• AutoRefine奖励“搜索—思考—精炼”的迭代过程
• ReSum训练智能体主动总结历史交互，避免上下文溢出

3.4. 多智能体协作：分工的艺术

两种架构：

• 规划—执行架构：高层规划器协调专业执行器（查询重写、文档选择）
• 合作多智能体：各模块作为独立 RL 智能体，共享全局奖励

OPERA采用分级 RL，为规划、分析、改写代理提供定制化奖励信号。

4. ⚙️ 第二维：How—RL 如何优化？

4.1. 训练范式：从冷启动到自我进化

标准流程是：SFT 冷启动 → RL 微调。但创新点在于：

• ZeroSearch完全放弃 SFT，在潜在空间模拟检索，实现纯 RL 训练
• AgentGym-RL通过课程学习逐步扩展交互时长，从短任务到多步推理
• EvolveSearch开创自我进化循环：RL 生成高质量轨迹 → 蒸馏为 SFT 数据 → 再 RL 训练

Search-R1 的标准提示模板，要求模型先推理再搜索：

4.2. 奖励设计：从结果到过程的精细化

奖励函数从单一到多维的演进：Outcome、Process

核心教训：有效代理需要平衡最终准确性与中间行为质量。

5. 第三维：Where—RL 优化哪里？

将优化范围分为三级：Agent 级、模块/步骤级、系统级

模块级优化的优势是无需重训大模型，如 s3 仅训练一个轻量搜索模块。而系统级框架如 VerlTool 提供统一接口，支持跨模态工具训练。

6. 评估体系：如何衡量智能搜索？

6.1. 数据集全景

列出了覆盖 6 大类的评估基准：

• 知识密集型 QA：HotpotQA, 2WikiMultiHopQA（多跳推理）
• 网页搜索：GAIA, Mind2Web（真实浏览器环境）
• 多模态：InfoSeek, MM-BrowseComp（图文混合）
• 对话式：TopiOCQA, QReCC（多轮上下文）
• 领域专用：MATH, MedQA, OlympiadBench

6.2. 评估指标

除了传统的 EM/F1，Agentic Search 需要新指标：

• 搜索效率：查询次数、API 成本、响应时间
• 过程质量：信息增益、证据利用率、查询冗余度
• 多样性：O²-Searcher 引入多样性奖励避免重复查询

7. 🚀 应用实战：RLAgent 正在改变这些领域

• Deep Research：DeepResearcher, MedResearcher-R1 实现自动化文献综述
• 多模态搜索：MMSearch-R1, WebWatcher 融合视觉与文本理解
• 代码助手：Tool-Star 协调搜索、执行、调试工具链
• 对话助手：ConvSearch-R1 在多轮对话中保持上下文
• 企业搜索：HierSearch 整合本地知识库与网页搜索

https://arxiv.org/pdf/2510.16724
A Comprehensive Survey on Reinforcement Learning-based Agentic Search: Foundations, Roles, Optimizations, Evaluations, and Applications
https://github.com/ventr1c/Awesome-RL-based-Agentic-Search-Paper