搜索 API 返回了结果，为什么学生模型还是会引用错？

搜索接口上线，最先让人兴奋的通常是“模型终于能查资料了”。但如果这些调用记录要拿去训练学生模型，真正难的问题才刚开始：学生要学的是找到结果、选择证据，还是在证据不足时停下来？

DeepSeek 在 10 月 17 日的官方更新中宣布开放自研搜索 API，并称网页端与 API 端的搜索能力由自研搜索引擎提供支持。官方还介绍了索引规模、实时性以及对低质内容的识别机制。这些是服务方对能力的说明，不能替代我们对具体返回结果的核验。

把一次搜索调用蒸馏给学生，不能只保存最后一句“答案是……”。那样会把最重要的判断过程从数据里删除。

搜索结果不是最终答案

假设教师收到一个需要最新资料的问题。它先生成查询词，调用搜索工具，得到多个页面，再选择其中一部分内容组织回答。最终答案看起来正确，可能是因为教师选中了可靠来源，也可能只是刚好碰到了一个内容相似的页面。

如果学生只看到最终答案，它不知道查询词为什么这样写，也不知道哪些结果被放弃，更不知道引用页面与结论之间是否真的对应。下一次问题换一个时间范围或增加一个限制条件，学生就可能继续套用原来的结论。

因此，工具调用蒸馏至少要区分四个对象：用户问题、教师生成的查询、工具返回的候选结果、教师基于候选结果形成的判断。它们不是四份可以随意拼接的文本，而是一条需要核对的证据链。

建议保存哪些字段

第一是任务条件。除了问题本身，还要保存时间要求、地区、语言、允许使用的来源类型和不能接受的推断。没有这些条件，搜索结果很难判断是否适用。

第二是查询动作。记录查询词、调用时间、参数和是否进行了第二轮搜索。查询词写得更长不代表更好，关键是它是否覆盖了问题中的限制条件。

第三是候选证据。至少保留页面标题、链接、抓取时间、摘要或可引用片段，以及工具返回失败、超时和空结果的状态。若权限或合规要求不允许保存全文，就明确记录可复核的指针，不要用空白表示“没有问题”。

第四是判断依据。教师最终引用了什么，放弃了什么，哪些地方仍然不确定，是否向用户追问，都应与答案分开。判断依据不是让学生模仿教师的内部思考，而是记录可以被外部检查的证据关系。

最常见的三类错学

第一类是引用格式学会了，来源判断没有学会。学生能够在句末放一个链接，却无法解释链接中的内容是否支持这句话。评测时应增加“引用与结论不匹配”的反例，而不是只检查有没有链接。

第二类是搜索成功学会了，搜索失败不会处理。真实工具会超时、返回重复结果或出现无法访问的页面。若训练集只包含顺利完成的轨迹，学生可能在没有证据时继续编写一个确定答案。

第三类是关键词学会了，边界没有学会。查询中出现某个产品名，并不意味着所有相关页面都能回答价格、政策或安全问题。要让学生知道何时扩大搜索、何时缩小范围、何时停止，需要准备条件不同的任务，而不是堆同一主题的文章。

如何验收学生是否真的学会

可以设计四组独立任务：资料充分且答案明确的任务，资料分散需要多轮搜索的任务，候选来源互相矛盾的任务，以及搜索失败或资料不足的任务。

第一组看基本完成率，第二组看查询是否覆盖限制条件，第三组看能否指出冲突并保留不确定性，第四组看是否会停答或追问。每组都要使用训练中没有出现过的具体问题，不能只把原问题改几个词。

还要把“找到了正确页面但总结错了”和“没有找到页面却说找到了”区分开。前者可能是阅读和归纳问题，后者是证据状态管理问题，修正路径不同。

DeepSeek 官方对自研搜索的描述提供了一个值得观察的新入口，但它不意味着接入搜索后学生就自动获得了判断能力。搜索工具可以把信息带到模型面前，蒸馏项目还要决定哪些行为值得复制、哪些结果需要拒收，以及如何用新任务证明学生没有只学会引用的外形。

资料：DeepSeek API 更新日志、搜索 API 指南。文中的字段和验收方案是方法建议，未声称对 DeepSeek 搜索服务做过独立评测。