本文系统概述了基于强化学习的智能体搜索技术，提出三维分析框架：功能角色(What)、优化方法(How)和应用范围(Where)。详细介绍了检索控制、查询优化等五大核心角色，以及从SFT冷启动到自我进化的训练范式。构建了覆盖多领域的评估体系，并展示了在文献综述、多模态搜索等实际应用，为研究者和开发者提供了全面指导。

---

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

不同survey的对比

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。

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：

三维分析框架

这三大维度构成了我们理解这个领域的"黄金三角"：

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

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。

⚙️ 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。

从强化学习优化策略视角看基于RL的智能体搜索概览。

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。

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

🚀 应用实战：RLAgent正在改变这些领域

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

从强化学习优化策略视角看基于RL的智能体搜索概览。

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

那么，如何系统的去学习大模型LLM？

如果你也想系统学习AI大模型技术，想通过这项技能真正达到升职加薪，就业或是副业的目的，但是不知道该如何开始学习*_，因为网上的资料太多太杂乱了，如果不能系统的学习就相当于是白学。
为了帮助大家打破壁垒，快速了解大模型核心技术原理，学习相关大模型技术。从原理出发真正入局大模型。在这里我和MoPaaS魔泊云联合梳理打造了系统大模型学习脉络，这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码免费领取🆓**⬇️⬇️⬇️

【大模型全套视频教程】

教程从当下的市场现状和趋势出发，分析各个岗位人才需求，带你充分了解自身情况，get 到适合自己的 AI 大模型入门学习路线。

从基础的 prompt 工程入手，逐步深入到 Agents，其中更是详细介绍了 LLM 最重要的编程框架 LangChain。最后把微调与预训练进行了对比介绍与分析。

同时课程详细介绍了AI大模型技能图谱知识树，规划属于你自己的大模型学习路线，并且专门提前收集了大家对大模型常见的疑问，集中解答所有疑惑！

深耕 AI 领域技术专家带你快速入门大模型

跟着行业技术专家免费学习的机会非常难得，相信跟着学习下来能够对大模型有更加深刻的认知和理解，也能真正利用起大模型，从而“弯道超车”，实现职业跃迁！

【精选AI大模型权威PDF书籍/教程】

精心筛选的经典与前沿并重的电子书和教程合集，包含《深度学习》等一百多本书籍和讲义精要等材料。绝对是深入理解理论、夯实基础的不二之选。

【AI 大模型面试题 】

除了 AI 入门课程，我还给大家准备了非常全面的**「AI 大模型面试题」，**包括字节、腾讯等一线大厂的 AI 岗面经分享、LLMs、Transformer、RAG 面试真题等，帮你在面试大模型工作中更快一步。

【大厂 AI 岗位面经分享（92份）】

【AI 大模型面试真题（102 道）】

【LLMs 面试真题（97 道）】

【640套 AI 大模型行业研究报告】

【AI大模型完整版学习路线图（2025版）】

明确学习方向，2025年 AI 要学什么，这一张图就够了！

👇👇点击下方卡片链接免费领取全部内容👇👇

抓住AI浪潮，重塑职业未来！

科技行业正处于深刻变革之中。英特尔等巨头近期进行结构性调整，缩减部分传统岗位，同时AI相关技术岗位（尤其是大模型方向）需求激增，已成为不争的事实。具备相关技能的人才在就业市场上正变得炙手可热。

行业趋势洞察：

• 转型加速： 传统IT岗位面临转型压力，拥抱AI技术成为关键。
• 人才争夺战： 拥有3-5年经验、扎实AI技术功底和真实项目经验的工程师，在头部大厂及明星AI企业中的薪资竞争力显著提升（部分核心岗位可达较高水平）。
• 门槛提高： “具备AI项目实操经验”正迅速成为简历筛选的重要标准，预计未来1-2年将成为普遍门槛。

与其观望，不如行动！

面对变革，主动学习、提升技能才是应对之道。掌握AI大模型核心原理、主流应用技术与项目实战经验，是抓住时代机遇、实现职业跃迁的关键一步。

01 为什么分享这份学习资料？

当前，我国在AI大模型领域的高质量人才供给仍显不足，行业亟需更多有志于此的专业力量加入。

因此，我们决定将这份精心整理的AI大模型学习资料，无偿分享给每一位真心渴望进入这个领域、愿意投入学习的伙伴！

我们希望能为你的学习之路提供一份助力。如果在学习过程中遇到技术问题，也欢迎交流探讨，我们乐于分享所知。

*02 这份资料的价值在哪里？*

专业背书，系统构建：

• 本资料由我与MoPaaS魔泊云的鲁为民博士共同整理。鲁博士拥有清华大学学士和美国加州理工学院博士学位，在人工智能领域造诣深厚：

• • 在IEEE Transactions等顶级学术期刊及国际会议发表论文超过50篇。
  • 拥有多项中美发明专利。
  • 荣获吴文俊人工智能科学技术奖（中国人工智能领域重要奖项）。

• 目前，我有幸与鲁博士共同进行人工智能相关研究。

内容实用，循序渐进：

• 资料体系化覆盖了从基础概念入门到核心技术进阶的知识点。

• 包含丰富的视频教程与实战项目案例，强调动手实践能力。

• 无论你是初探AI领域的新手，还是已有一定技术基础希望深入大模型的学习者，这份资料都能为你提供系统性的学习路径和宝贵的实践参考，助力你提升技术能力，向大模型相关岗位转型发展。

  

抓住机遇，开启你的AI学习之旅！