GRASP让Agentic RAG学会何时搜
Varun Gandhi · hf · 2026-07-17
### 研究内容 这篇论文提出 **GRASP**，用于训练 **Agentic RAG** 的检索策略。相比静态 RAG，Agentic RAG 允许模型在多步推理中反复： - 生成搜索问题 - 检索证据 - 继续推理并给出答案 但难点在于，模型需要学会： - **什么时候检索** - **用词法检索还是语义检索** - **上下文粒度要多细**，避免无关 token 干扰推理 ### 方法 GRASP 把三类动作纳入策略空间： - **semantic search**：语义搜索 - **keyword search**：关键词搜索 - **paragraph reading**：段落级阅读 训练时使用一个联合奖励，综合考虑： - 答案准确率 - 证据落地性（grounded reading） - 搜索互补性 - 步数效率 ### 实验结论 在多跳推理基准上，GRASP 相比以下方法都有提升： - 单步检索 - 提示词驱动的 agentic RAG - 基于 RL 的检索基线 ### 行为分析 作者还发现，学到的策略具有可解释性： - **语义搜索**更适合广泛探索 - **段落阅读**更适合局部核验 - **关键词搜索**更适合实体级证据定位 结论是：让模型学会协调不同检索信号和上下文粒度，对 agent 的正确推理很关键。