像给团队项目打分：资料找对了，报告却写错，不能让查资料的人和写报告的人一起挨罚。多轮搜索智能体也有这个问题。常用的 GRPO——按同组多个回答的相对表现计算奖励——会把最终得分发给整段搜索与作答过程，混淆“找到证据”和“用好证据”。论文发现，Search-R1 虽提高了七个问答基准的准确率，但在 Bamboogle 上，正确答案中有检索证据支持的比例反而从 84.0% 降至 42.9%。换句话说，模型更会答题了，却更可能靠记忆作答。
作者提出 GCA，把奖励按环节重新归因：搜到答案相关证据却答错时，少责怪搜索、多责怪作答；答对但绕过本可检索的证据时，也少给一些奖励。修正幅度最多为每个 token——模型处理文字的基本单位——原优势值的 10%，不会改变原奖励的正负方向，也不需要额外模型或训练阶段。作者自述，GCA 相比 Search-R1 将平均精确匹配率提高 5.7 至 6.3 个百分点，并把正确答案的证据支持率从 76.9% 提至 93.4%。不过，它用“首次搜到含答案材料”近似判断有效搜索，并不能证明每一步搜索都真正促成了答案。