Agentic-R：为 agentic search 训练检索器，用全局答案正确性反传

Agentic search 是个新范式：agent 把多步推理和按需检索交错起来解复杂问题。但它有个被忽视的短板——检索器。现有 search agent 几乎都用基于相似度的检索器，而「相似的段落」不等于「对最终答案有用的段落」。Agentic-R 专门为 agentic search 训练检索器，把「全局答案正确性」纳入检索器的训练信号。

论文信息

• 标题：Agentic-R: Learning to Retrieve for Agentic Search
• 作者：Liu Wenhan, Ma Xinyu, Zhu Yutao et al., 2026
• arXiv：2601.11888
• 关键词：agentic search、retriever training、global answer correctness、bidirectional optimization

要解决的问题

单轮 RAG 的检索器只看局部——query 和 passage 是否相关。但 agentic search 是多轮的，一个 passage 好不好，最终要看它有没有帮到答案生成。相似度高的 passage 可能对答案无用，相似度低的反而关键。用单轮 RAG 检索器套到 agentic search 上，信号错位。

核心方法

1. 双信号度量 passage 效用：不只看局部 query-passage 相关性，还引入全局答案正确性——一个 passage 的价值由它对最终答案的贡献来衡量；
2. 迭代双向优化：search agent 和 retriever 双向、迭代地共同优化；
3. 检索器持续进化：不同于 RAG 检索器「用固定问题训练一次」，Agentic-R 的检索器用 agent 不断演化、质量越来越高的 query 持续改进。

核心思想：检索器和 agent 是耦合的，agent 越强→产生的 query 越好→检索器越准→agent 又更强，形成正向循环。

实验结果

• 在 7 个单跳和多跳 QA 基准上，Agentic-R 检索器在不同 search agent 下一致超越强基线；
• 代码已开源。

定位与启示

Agentic-R 把「数据/能力合成」的视角延伸到了检索这一环：它不是造数据集，而是训练一个为 agentic 场景量身定制的检索器。它的贡献是把检索器从「局部相似度」升级到「全局任务效用」，并用迭代双向优化让检索器和 agent 共演化。和这一批其它工作对照：ToolACE/AgentInstruct 造的是静态数据，Agentic-R 造的是一个会随 agent 进化的能力组件。对做 agentic search 的人，「相似 ≠ 有用」这个观察是出发点，而双向迭代优化是可直接落地的训练范式。