IGSD 用环境验证的后见自蒸馏训练搜索智能体

IGSD 提出一种无需外部教师的搜索智能体 on-policy 自蒸馏方法，用环境实测信息增益筛选后见教师给出的步骤级指导。它把查询 token 视为微动作，在同一失败状态与检索器下执行教师和学生查询，以执行信息增益作为 positive-only 软权重，GRPO 目标不变。