Search agent 的 RL 表现不仅取决于算法与数据，还强依赖 live web 检索后端：用 Exa 作训练期 search tool 可比 Google/SERP 基线以更少 compute 达到更高任务表现。

Claim

Search agent 的 RL 表现不仅取决于算法与数据，还强依赖 live web 检索后端：用 Exa 作训练期 search tool 可比 Google/SERP 基线以更少 compute 达到更高任务表现。

Why it matters

评测与训练 agent 时常默认 SERP/Google；检索质量进入 reward 回路会改变策略学习轨迹，直接影响 agent 编排中 tool choice 与评测基准公平性。

Summary

Mode B 规范化重写：围栏 frontmatter + 正文四段。 Search agent 的 RL 表现不仅取决于算法与数据，还强依赖 live web 检索后端：用 Exa 作训练期 search tool 可比 Google/SERP 基线以更少 compute 达到更高任务表现。

Actions

• (none)

Evidence

• (none)

Caveats

• (none)

Research queries

• (none)

Body

正文

背景

Search agent RL 文献多锁死单一检索后端，忽略 tool 质量对学习动力学的影响。

机制

检索命中质量 → rollout 轨迹多样性与正确性 → reward 信号 SNR → 策略更新效率。

取舍

换后端可抬升样本效率，但绑定供应商与定价；评测需披露后端以免虚高。

动作

在 agent 评测协议中把 search backend 列为一等公民超参。