用搜索评 rubric 训练深度研究代理文档重排器

该论文指出，深度研究代理需要的不是逐篇相关文档，而是满足多样性、简洁性与权威性等整体要求的文档集合。作者提出分层搜索评 rubric，并以此训练 RubricRanker，结合监督微调与基于 rubric 的强化学习，在四个深度研究基准上较最强基线提升 2.6 分，并泛化至五个 RAG 基准。