GRASP: GRanularity-Aware Search Policy for Agentic RAG

GRASP 提出一个RL框架，训练 agent 在多步推理中自适应协调语义搜索、关键词搜索和段落阅读三种检索动作，并能动态控制上下文粒度（句子级vs.段落级）。实验表明，在多跳推理任务上，GRASP 显著提升了检索召回率与下游QA准确率，且学到的策略可解释：语义搜索用于广泛探索，段落阅读用于局部验证，关键词搜索用于精确定位实体。

1. 可用于导购agent：导购场景常需多步推理（如“推荐一款适合油皮的防晒霜”），GRASP的协作搜索策略能提升检索精度，减少无效上下文对LLM推理的干扰。
2. 改变技术选型判断：之前我会优先尝试prompt-based agentic RAG，但GRASP表明RL训练的策略更鲁棒且可解释，值得在项目中作为候选方案。
3. 下一步行动：深入阅读论文，复现核心思路并在自己的导购场景中设计类似RL奖励函数（结合准确率、搜索次数、响应速度），测试是否能提升用户体验。