EviGraph：为信息寻求者构建可验证的证据

代理网络搜索可以检索相关信息，而无需确定检索到的内容实际上支持答案中使用的声明。现有代理通常将搜索和证据记录保持在线性交互轨迹中，并主要针对最终答案的正确性进行优化，为中间基础提供有限的监督。我们提出了 EviGraph，这是一个深度搜索框架，它将搜索执行与证据记录分开，同时对可训练角色使用共享策略。执行器计划简洁的查询，冻结证据验证器检查源页面并返回具有明确极性的逐字证据项目，并且策略将这些项目映射到添加/支持由确定性结构验证器检查的图形请求。生成的图表既可以作为持久的工作记忆，又可以作为密集过程奖励的来源，使强化学习能够直接监督证据构建，而不仅仅是最终答案。在 BrowseComp-Plus 上，Qwen3-8B EviGraph 代理在匹配的交互预算下实现了 35.9% 的准确率，而没有强化学习的相同双角色架构为 26.9%，单一代理为 2.7%，同时每条执行轨迹生成的词元更少。 BrowseComp、GAIA 和 XBench 的持续增长表明，明确构建和奖励证据记录可以改善代理搜索