MARS:用 RL 训练搜索智能体，直接 shell 命令检索原始语料

_reachsumit · x · 2026-11-10

论文 MARS 探索「无检索器」的多语言检索增强：让模型直接通过可执行 shell 命令与原始语料交互获取证据，绕开学习型检索器与相似度排序带来的跨语言检索错误和索引开销。

难点在于精确搜索对实体表面形式敏感、仅结果监督对多轮搜索指导有限。MARS 引入语料原生的实体锚定(corpus-native entity grounding)从语料证据中恢复可靠词法锚点，并设计冗余感知的搜索奖励以鼓励简洁有效的搜索轨迹、避免多语言 RL 训练崩溃。实验显示其持续优于强检索式基线和 DCI 基线，跨语言泛化稳健且大幅减少冗余交互。