AI-agenter, der skal besvare spørgsmål, har hidtil stået over for et dilemma: Skal de søge eksternt for at være sikre, eller kan de svare ud fra det, de allerede ved? Overflødige søgninger koster tid og ressourcer, mens manglende søgning kan føre til forkerte svar. Nu præsenterer forskere en ny metode, Search-G1, der lærer agenter at skelne mellem, hvornår de faktisk har brug for eksterne oplysninger, og hvornår de kan svare direkte.
Search-G1, beskrevet i et nyt paper på arXiv, bruger såkaldte repræsentationsbaserede interne belønninger til at træne agenterne. Metoden måler løbende, om et svar er forankret i de hentede beviser, og justerer agentens adfærd derefter. Konkret bruger den to signaler: ét der vurderer, om agenten kan svare uden eksterne kilder (closed-book sufficiency), og ét der måler, i hvor høj grad svaret afhænger af de hentede beviser (evidence reliance).
Resultatet er, at agenten kun søger, når det er nødvendigt, og undgår gentagne søgninger. Ifølge forskerne forbedrer Search-G1 balancen mellem forankring og søgeomkostninger – agenterne producerer kortere svar med samme nøjagtighed på tværs af flere benchmark-opgaver. Metoden kræver hverken procesannotationer eller LLM-as-judge under træning, hvilket gør den billigere og lettere at skalere.
For virksomheder, der bygger AI-assistenter eller automatiserede kundesupport-systemer, betyder det lavere latens og reducerede API-omkostninger, fordi agenterne ikke længere foretager unødvendige søgninger. Samtidig øges pålideligheden, fordi svarene i højere grad er forankret i faktiske kilder, når det er relevant. Metoden kan også gøre det lettere at implementere agenter i produktionsmiljøer, hvor omkostninger og responstid er kritiske faktorer.
Koden er offentligt tilgængelig på GitHub, hvilket giver udviklere mulighed for at afprøve og integrere metoden i egne systemer.
