Explorer-R1：通过逐步证据状态奖励实现高效迭代检索

基于摘要分析。该研究针对大语言模型多跳 RAG 中仅依赖最终答案奖励、难以利用中间检索进展的问题，提出 Explorer-R1（ExR1），以证据状态转移和状态级密集奖励训练独立的迭代检索模块。其主要研究对象是文本证据检索与问答，而非 EEG 信号建模或 BCI 解码。 机制上，ExR1 将多跳检索重述为序贯决策过程，把原有端到端流程拆成一系列状态转移，并通过跟踪证据状态转移收集用于优化后续决策的数据。强化学习阶段的奖励涉及格式合法性、证据剪枝和搜索结果对齐，目标是维持紧凑的证据状态。摘要未给出状态表示、奖励公式及权重、具体强化学习算法或数据收集协议，这些细节尚未验证。 相较于以最终答案作为主要奖励信号的迭代检索方法，其核心变化是增加中间状态反馈，并将检索与回答解耦，使检索器可以与其他大模型协作。作者报告，在 HotpotQA、MuSiQue 和 2WikiMultihopQA 上，ExR1 的召回表现优于现有迭代 RAG 基线，训练收敛更快，并能与不同回答模型有效协作。摘要未提供具体数值、数据划分、召回定义、基线配置及训练成本，因此不能判断增益幅度或跨配置稳定性；实验协议、消融及统计信息尚未验证。 复现时需核对证据状态构造与剪枝规则、奖励计算、检索预算、回答模型配置，以及收敛速度采用的计量标准。现有材料未建立该机制与 EEG/BCI 任务之间的具体对应关系，不据此推断其可改善神经信号解码；已有 EEG 相关工作尚未检索确认。