先计划后搜索：搜索智能体需要Plan

将大语言模型训练为检索增强推理智能体，通常将强化学习与从更强模型蒸馏而来的SFT冷启动相结合。然而，这一范式忽视了两个基本因素：子技能之间的依赖结构，以及蒸馏并非能力获取唯一途径的可能性。我们通过Plan来研究这一点——Plan是一种面向多跳检索的结构化智能体行为，在任何检索执行之前先将问题分解为有序的子问题，使每个搜索步骤都能锚定到预先设计的子问题上，而不是在先前检索到的部分相关文档的影响下漂移。然而，在横跨3B至14B参数的三个模型系列上，我们发现相同的奖励信号会诱发性质不同的RL失败模式。这一现象表明，训练能否成功不仅取决于奖励设计，还取决于模型特定的可行性条件：足够的初始熵、训练稳定性以及前置子技能。基于此，我们提出一种自举范式：由一个小规模种子模型生成经过筛选的轨迹，以在任意目标模型中激活Plan，从而无需从外部更强模型蒸馏。我们的流水线在所有受测模型上都成功激活了Plan，并在多跳问答基准上持续超越有竞争力的基线。