SOAR 论文：来源感知强化学习将搜索 agent 证据造假减少 74.8%

SOAR 论文提出来源感知强化学习，将搜索 agent 的证据造假减少 74.8%，并在 3B 与 7B 骨干上分别超过基线 7.3% 和 5.4%。该方法用 Source-Aware Workflow 把推理拆成外部证据与内部知识两条可观测并行流，并以 Source-Consistent Reward 奖励与来源一致的推理，实现精准 credit assignment。