论文用SFT+RL训练小语言模型，根据检索结果质量选择专用检索智能体。
推荐理由：突破点是路由不只看查询意图，还纳入检索内容质量信号；这更接近生产中的agent调度问题，可减少选对领域却返回低质结果的失败。
阅读原文