s3

用强化学习训练搜索代理，少量数据让RAG检索更准更快

s3 是一个专注于提升检索增强生成（RAG）系统搜索效率与效果的训练框架，核心方法是通过强化学习（RL）和可验证奖励（RLVR）来训练搜索代理，仅需极少量数据即可实现高效训练。该项目解决了传统RAG中搜索策略依赖大量人工标注或启发式规则、难以自适应复杂查询的问题，使模型能够自主学习何时检索、如何构造查询以及如何整合结果。s3 提供了完整的训练流程、环境配置和评估脚本，支持与主流语言模型集成，并针对搜索代理的决策过程进行优化，显著提升检索准确率和响应速度。其创新点在于将强化学习应用于搜索策略的端到端训练，减少了对大规模标注数据的依赖，为构建更智能的RAG系统提供了新思路。