docs(agentic-rl): update tool use and trajectory content

Author: sanbuphy

docs/chapter10_agentic_rl/tool-use-agents.md

@@ -268,8 +268,8 @@ Reward: 答案正确性 - λ × 搜索次数
 
 ### 技术谱系：SearchR1 之后
 
-| 工作                      | 核心创新                                                 | 引用         |
-| ------------------------- | -------------------------------------------------------- | ------------ |
+| 工作                       | 核心创新                                                 | 引用         |
+| -------------------------- | -------------------------------------------------------- | ------------ |
 | **SearchR1 **[^searchr1]   | RL 训练模型自主搜索，GRPO + RLVR                         | 819          |
 | **ReSearch **[^research]   | 推理与搜索深度融合，每步推理可包含搜索策略反思           | —            |
 | **ToRL **[^torl]           | 扩展到计算工具（代码执行器），发现工具使用的 Scaling Law | 131          |

docs/chapter10_agentic_rl/tool-use-and-trajectory.md

@@ -617,8 +617,8 @@ Reward: 答案正确性 - λ × 搜索次数
 
 #### 技术谱系：SearchR1 之后
 
-| 工作                      | 核心创新                                                 | 引用         |
-| ------------------------- | -------------------------------------------------------- | ------------ |
+| 工作                       | 核心创新                                                 | 引用         |
+| -------------------------- | -------------------------------------------------------- | ------------ |
 | **SearchR1 **[^searchr1]   | RL 训练模型自主搜索，GRPO + RLVR                         | 819          |
 | **ReSearch **[^research]   | 推理与搜索深度融合，每步推理可包含搜索策略反思           | —            |
 | **ToRL **[^torl]           | 扩展到计算工具（代码执行器），发现工具使用的 Scaling Law | 131          |