速评：这篇论文 8 月 30 号挂上 arXiv，到今天六天，我没见一个人把它真正值得聊的那句话挑出来。不是“9B 打平更大模型”，是题目里那个动词：Learning to Navigate。
它把 RAG 的语料观，从“平的”改成了“带结构、可以走的”。
框架本身不玄。SearchWiki 把语料库码成三层：文档概览、跨文档主题页、页面级来源记录。懂行的到这儿就反应过来了——它不是又一个把 top-k 调成 top-m、再塞个 reranker 的活，它先把“检索的对象是什么”这个默认设定给掀了。语料库不再是一堆被切平的 chunk，是有入口、有路径、有出处的东西。
然后它训了个 9B 的检索 agent，Qwen 底座，用在线强化学习学导航策略。奖励函数听上去也不花哨：答案正确性、检索质量、轨迹效率。五个 benchmark 跑下来，比同规模不训练的基线强，还够到了更大的外部模型。
先说实话：我没跑过它的实验，这篇的判断只对到“思路”这层，不对到复现。我想拆的是这个思路本身——它比那几个跑分有意思多了，也危险多了。
RAG 火了这几年，检索组件基本被当成一道最优化题在做。embedding 选哪个、top-k 设多少、要不要 rerank。默认前提是语料进检索器之前就该是平的——切好，embedding 好，往向量库一丢，完事。几乎没人停下来问一句：文档和文档的关系、主题和主题的路径，是不是在这套流程里早就被扔了？
SearchWiki 最狠的地方，是它压根不跟你讨论 embedding 怎么调。它不觉得检索是个“在一堆碎片里找最像的”的问题，它觉得那是“在一张地图里找路”的问题。模型先落到文档概览层，判断这篇文档跟我的问题有没有关系，再决定往哪个主题页跳，再顺着主题页的链接下到来源记录。每一步都是决策，不是一个相似度分数。
这套说法的底气在于：人的阅读本来就是这么干的。没人会把一本书从头到尾读完再回答问题。人是翻目录、跳词条、从词条的引用再跳到下一处——检索从来不是扫射，是人在结构里做选择题。SearchWiki 无非是把这常识教给了模型。
9B 那个数字搁这儿，信号被大家忽略得有点冤。2026 年九月的语境里，9B 就是轻量级选手。它够到更大的外部模型，不是靠拉长 context window，也不是靠堆参数。它赢的方式是先把地形修好，再让模型学会在这片地形里走路。把语料重组成知识维基、再让小模型学导航——这个组合说的事比“小模型也能行”大：你喂给模型的东西长什么样，可能比模型本身多大更值得花力气。
但这里我得留个心眼。带导航的 agent 有条经典翻车路径：奖励函数学出来的“走路姿势”在 benchmark 上很好看，换一片新语料直接不会下脚。这篇的多组件奖励——答案正确性加检索质量加轨迹效率——三个目标叠一块儿，是在调教导航策略，还是在过拟合那几条 benchmark 的路径，我现在看不出来，得等社区复现再说。
这里立个 flag：如果后续复现崩了，崩的地方大概率在 RL 策略的迁移，不在知识维基的结构本身。结构是对的，学出来的走路姿势未必。
还有一点值得多看两眼：它挑在离 ICLR 投稿季不远的时间挂出来，作者栏一串 IBM 研究院的名字。这种论文每年上千篇，多数沉底。但 SearchWiki 不是又一个“我们提出一个优雅框架”然后没下文的东西。它把问题从“检索够不够准”改成了“语料是不是真的被读懂了”。这话不好听，但真。
如果这个方向是对的，那些还在 embedding 精度上磨刀的人，手里的活可能不是磨刀——是在磨一把本来就不该出鞘的刀。