SIGHT：基于自证与信息增益多样化分支的强化学习用于搜索代理

强化学习（RL）已使大型语言模型（LLMs）能够自主完成复杂问答任务的搜索。然而，在多轮搜索场景中，搜索结果常存在高冗余和低信噪比的问题，导致代理陷入“隧道视野”，即早期噪声检索的强制解释引发不可逆的错误累积。为解决这些问题，本文提出SIGHT框架，通过自证支持（SES）和信息增益驱动的多样化分支增强基于搜索的推理能力。SIGHT通过SES提炼高保真证据，并计算信息增益分数以识别关键状态，从而指导动态提示干预（如去重、反思或自适应分支），生成新的分支。最终，通过组相对策略优化将SES与正确性奖励结合，SIGHT无需外部验证器即可内化稳健的探索策略。实验表明，SIGHT在单跳和多跳问答基准测试中显著优于现有方法，尤其在复杂推理场景中使用更少的搜索步骤。