谷歌还是Exa：哪个更适合训练RL搜索代理？

要点

• Exa作为搜索后端在RL训练中比谷歌（SERP）更高效，训练计算量更少且性能更高。
• 实验使用Qwen3-4B模型，通过LoRA适配器和Dr. GRPO算法进行训练。
• 在MuSiQue和HotpotQA多跳问答数据集上测试，Exa代理在需要跨网页合成信息的任务中表现更优。
• Exa拥有自有搜索引擎和网络索引，这使得大规模研究搜索后端与RL训练的相互作用成为可能。