When Should Multi-Round RAG Stop? Structured Stopping Judgments and Retrieval Reduction in Search-R1
多轮RAG何时停止？Search-R1中结构化停止判断与检索削减
🧭 多轮RAG自适应停止策略
Unaffiliated
在冻结的Search-R1框架上训练S2G风格结构化judge，用第一STOP决策减少3.7%检索调用，EM仅降0.625个百分点
📌 工作参考价值（4 点）
- 冻结主流程、只训停止judge：在电商搜索/Agent的多轮RAG场景，可以保持线上reasoner、retriever、prompt不动，只在小模型judge上做结构化停止判断，降低切换风险。
- 用“充分性+缺口”双标签替代二分类：让judge同时预测当前证据是否足够、缺失信息是什么，能提供更可解释的停止信号，后续可直接用缺口引导下一轮query改写或检索。
- 把序列决策当成first STOP选择问题：部署时轨迹由第一个STOP决定，因此评估时应按整条轨迹的最终效果而非单状态分类准确率来选阈值，建议用grouped validation避免同题多状态之间的泄漏。
- 注意成本口径：论文明确即使检索次数减少，judge推理也可能增加总耗时；业务上要单独核算端到端latency/cost，不能只报检索调用下降。