搜索智能体在检索过程中会反复做一类短决策：结果是否相关、证据是否足够、下一步采取什么搜索动作。用生成式语言模型做这些判断，会引入延迟，置信度也不稳。SearchJev 把 System-1 决策从 System-2 的推理和生成中拆开：给定搜索状态和决策 schema，直接对合法选项打分，不做自回归文本生成。同一条链路上，短决策不再被迫走生成。
短决策与生成解耦
论文把搜索决策做成对合法选项的打分，而不是开放文本生成。SearchJev 接收搜索状态和决策 schema，直接给合法选项打分。面对不确定监督，作者提出 Soft-Label Learning for Calibrated Decisions（SLCD），用来学习决策概率并校准置信度。
双系统搜索智能体中，SearchJev 处理短决策，把不确定判断交给 System-2。规划、查询生成和答案撰写仍由 System-2 负责。作者还引入 SearchDecision-Bench，把六类搜索决策统一到同一训练与评测框架。
速度、质量与校准同时报
在 SearchDecision-Bench 上，相对同规模 Qwen3.5 自回归模型，SearchJev 提升了决策质量，决策速度快 5.2–5.3 倍，平均期望校准误差下降 41–74%。在 BrowseComp-Plus 上，双系统智能体把主动搜索时间缩短 3.7–4.7 倍，答案准确率从 45% 提升到最高 54%。
材料没有给出模型参数量、训练数据规模、六类决策的具体清单，也没有报告不确定判断被升级到 System-2 的比例。能确认的是：决策环节和主动搜索时间变快，校准误差下降，BrowseComp-Plus 上答案准确率没有掉、反而有升。
我的判断
这条工作的价值很具体。搜索智能体里大量决策是短的、可枚举的，用生成模型既慢又难校准；拆成 System-1 打分器，再用校准后的置信度决定是否升级，路径清楚。适用边界同样清楚：它不替代规划、查询生成和答案撰写。局限在于目前只能依据摘要——SearchDecision-Bench 与真实检索分布差多少、升级阈值怎么选，都无法判断。加速和 ECE 降幅是相对同规模 Qwen3.5 自回归模型；准确率从 45% 到最高 54%，幅度有限，且绑定 BrowseComp-Plus。对延迟敏感、决策可枚举的检索智能体，这个方向值得跟；开放推理环节本来就不是它要接管的部分。