论文
EviBack：基于证据约束教师回退的搜索智能体强化学习
EviBack: Search-Agent Reinforcement Learning via Evidence-Constrained Teacher Backoff
摘要
强化学习使Agentic RAG（智能体检索增强生成）系统能够从可验证的结果奖励中学习多轮搜索，但全零rollout组无法提供比较信号，还可能埋没有用的搜索行为。我们提出EviBack，一种证据约束的教师回退机制，在保留可验证Actor奖励的同时为此类组提供辅助监督。它将证据评估与答案精炼分离，防止参考答案覆盖证据不足的判断。一条全自动化、端到端、由GPT-5.5辅助的APE流水线，从人工编写的单提示双任务教师出发，自动划分并标注rollout数据，并执行消融、任务分解、评估与选择，最终产出带门控的两阶段教师。与人工设计相比，所得教师提升了下游F1与有效答案率，同时减少了搜索量、重复查询和强制终止。在七个开放域QA基准和三个Qwen3规模上，EviBack的F1优于Search-R1，并提升了单跳与多跳的宏平均F1。我们保证代码将在后续阶段公开发布。
