搜索智能体的教师回退RL

EviBack为Agentic RAG中零奖励轨迹组补充证据约束监督。

推荐理由：它针对RL搜索中全零rollout没有比较信号的问题，用证据约束教师回退补监督但保留可验证奖励，关键在减少无效探索被浪费。