SearchJev：用于搜索的快速且校准的 System-1 模型智能体

搜索智能体反复做出有关相关性、证据充分性和搜索操作的简短决策。使用生成语言模型进行这些决策会带来延迟和不可靠的置信度。我们推出了 SearchJev，这是一种快速且经过校准的 System-1 模型，它将搜索决策与 System-2 推理和生成分开。给定搜索状态和决策模式，SearchJev 直接对合法选项进行评分，而无需生成自回归输出。我们提出了校准决策的软标签学习（SLCD），以从不确定的监督中学习决策概率并校准其置信度。在双系统搜索智能体中，SearchJev 处理简短的决策并将不确定的判断委托给系统 2，系统 2 保留规划、查询生成和答案组合。我们还引入了 SearchDecision-Bench，这是一个统一了训练和评估的六种搜索决策的基准。在 SearchDecision-Bench 上，SEARCHJEV 比相同大小的 Qwen3.5 自回归模型提高了决策质量，决策速度提高了 5.2-5.3 倍，并将平均预期校准误差降低了 41-74%。在 BrowseComp-Plus 上，双系统智能体的主动搜索时间实现了 3.7-4.7 倍的加速，同时将答案准确性从45%提高到最高54%。