Agentic 检索增强生成（RAG）要求语言模型在继续检索和直接回答之间做出决策。现有基于强化学习的方法依赖外部监督，忽视了模型对当前证据是否足够的内部信念。为此，MetaRAG 将搜索决策质量重新表述为信念‑行动对齐，并提出相应的策略优化框架。\ \ MetaRAG 引入 先验验证行动生成（Verify‑first Action Generation），在每一次实际行动前触发显式的验证过程；同时通过 内部信念探测（Internal Belief Probing），从同一问答历史上下文中估计策略模型自身的可回答性信念。基于这两者，系统计算 一致性奖励，并进一步由答案正确性进行门控，避免强化内部一致但答案错误的轨迹。信念探测仅在训练阶段使用，对推理时无额外开销。\ \ 在七个公开 QA 基准上的实验表明，MetaRAG 在保持或提升准确率的同时显著降低检索成本，相较于强基线的 RL‑based agentic RAG 有稳健提升。该优势在深度研究设置、不同优化器以及多种模型骨干上均能迁移。\ \ 博主点评：MetaRAG 通过显式建模模型的自我信念，巧妙地把内部一致性与外部正确性结合起来，为提升 RAG 系统的效率与可靠性提供了新思路。