Update README_zh.md with SearchAgent-Zero details

更新 README_zh.md，添加 SearchAgent-Zero 发布信息及主要功能介绍。

Author: NLPJCL

README_zh.md

@@ -9,10 +9,7 @@ SearchAgent-Zero 是一个基于 verl 的 Search Agent 强化学习训练框架
 - **[2026/05/24] SearchAgent-Zero 发布 Search-R1 与 ASearch recipes。** Search-R1 recipe 在 Qwen2.5-3B-Instruct 上将完整 Search-R1 评测平均分从 `0.325` 提升到 `0.407`；ASearch recipe 支持长程多轮搜索训练，SearchAgent-Zero (Qwen3-8B, 300 steps) 在 BrowseComp-Plus 达到 `37.95%` Accuracy 和 `50.87%` Recall，在 14B 以下模型中达到 SOTA。实现细节见 `examples/search_agent_rl/`、`verl/experimental/agent_loop/` 和 `verl/tools/search_tool.py`。
 
 ## 主要功能
-
-- **原生 verl AgentLoop 多轮搜索 rollout**：基于 verl 的 AgentLoop 抽象接入搜索工具，在 actor rollout 阶段完成多轮搜索、阅读、推理与答案生成。
-- **可复现 Search-R1 与 ASearch recipe**：提供短程 Search-R1 复现脚本，以及面向长程搜索的 Qwen3-8B ASearch 训练脚本。
-- **本地 dense retriever 与自定义搜索服务**：默认支持 Search-R1 风格的本地 E5 + Wikipedia 检索服务，也可以替换为自有检索或搜索 API。
+- **稳定可扩展的 RL infra**：基于最新的 verl RL infra 与 GRPO 训练流程，SearchAgent-Zero 已验证可稳定训练 Search-R1 等 search agent 任务，并支持扩展到更多轮数的多轮搜索训练，避免原框架在长程 rollout 中容易崩溃的问题。
 - **异常轨迹监控**：训练中记录工具调用成功率、平均搜索轮数、重复 query、并发 query 过多、工具解析失败、轨迹截断等 Search Agent 专属指标。
 - **异常轨迹过滤与信用分配**：对重复搜索、单轮并发过多、工具格式错误等低质量轨迹进行过滤或惩罚；对于只发生在某一轮工具调用中的异常，只惩罚出错轮次相关 token，减少对前序有效搜索行为的误伤。
 - **搜索结果 summary 压缩**：支持 self-summary 与 external-summary，在有限上下文内保留更多轮搜索中的关键信息。