清华大学知识工程实验室（THUDM）在GitHub开源了项目CaRR，其对应论文《Chaining the Evidence: Robust Reinforcement Learning for Deep Search Agents with Citation-Aware Rubric Rewards》提出了一种创新方法，旨在提升深度搜索智能体的强化学习性能。传统方法常依赖简单的二元奖励（成功/失败），这可能导致训练不稳定或学习到次优策略。CaRR的核心突破在于，它用一套基于引文感知的规则反馈体系替代了这种二元奖励。该体系通过评估智能体在证据链构建中引用来源的相关性和质量，提供更细致、更结构化的奖励信号。这种方法不仅能让智能体更稳健地学习复杂的搜索与推理任务，例如在学术文献检索或事实核查中串联证据，也代表了强化学习在信息检索领域向更精细化、可解释性方向迈进的重要趋势。该工作的代码与数据均已公开，为相关领域的研究者与开发者提供了宝贵的实验基础与改进思路。