Harness-G：将搜索智能体检索重构为图上有限动作选择

_reachsumit · x · 2026-07-31

Harness-G 是一个针对强化学习（RL）搜索智能体设计的图结构框架。论文指出，当前主流的搜索智能体（如 Search-R1）在训练中常出现检索等价坍缩（retrieval-equivalence collapse）现象：模型针对同一问题不断生成不同查询词，但最终积累的证据集却高度重合，导致轨迹间缺乏有效的检索对比度。

为解决该问题，Harness-G 重新设计了策略与环境的交互接口，将自由文本的查询生成转化为图上的有限动作选择：模型直接选择证据句子、实体或决定输出答案，而由环境负责构建选项菜单、追踪检索状态并验证执行。此外，该框架还引入了结构化非短视信用分配机制，利用冻结的评分器来比较所选动作与其备选项，从而优化智能体的多步检索决策。