搜索代理在强化学习微调阶段面临可靠性危机。传统的 Top‑K 检索容易丢失关键证据或引入噪声，而渐进式强化学习会导致模型过度自信，出现幻觉答案和冗余搜索。
为了解决这些问题，本文引入共形预测（Conformal Prediction, CP）并提出 Conformalized Agentic Search (CAS) 框架。框架在检索端和训练端分别提供可靠性保证。
在检索端，CAS 使用 自适应预测集 (Adaptive Prediction Set, APS) 将统计覆盖率转化为动态文档截断。APS 根据目标覆盖率 $1-\alpha$ 自动调节返回文档的数量，形成大小可变的预测集合，从而在保证覆盖的同时避免不必要的文档。
在训练端，CAS 采用 自适应共形推断 (Adaptive Conformal Inference, ACI) 动态构建答案置信度集合。ACI 生成的置信区间用于在 组相对策略优化 (Group Relative Policy Optimization, GRPO) 目标中对低置信度轨迹施加惩罚，使模型只从可靠的交互中学习。
实验在单跳和多跳问答数据集上进行。结果显示，CAS 能显著提升推理准确率，同时将冗余工具调用次数降低超过 60%，实现了高可靠性与高效率的代理模型。代码已开源，地址为 https://github.com/S1llyBird/CAS。
博主点评：CAS 将共形预测巧妙嵌入检索与强化学习流程，为构建可信的智能体提供了可量化的保障，值得在更广泛的工具使用场景中推广。