RECAST：用 RouterLM 学习主动计算证据，不再依赖固定检索

arXiv 论文 RECAST 将 RAG 中的证据构建改为序贯决策过程，由 RouterLM 迭代选择检索或计算操作，再交给冻结的 CompilerLM 生成可执行代码、AnswerLM 作答。RouterLM 采用 SFT 加 GRPO 训练，在 6 个基准家族上平均成功率达 75.6%，比最强基线高 15.9%。训练后的 Qwen3.5-9B RouterLM 超过免训练的 Gemini 3.5 Flash RouterLM 5.0%。在 3 个 held-out 基准上，RECAST 平均领先最强基线 15.0%，显示零样本泛化能力。