跳到正文
11月3日周二
  1. AWS Machine Learning Blog31

    Circle K 利用 Amazon Bedrock 将 DevOps 事件分诊缩短至 15 分钟以内

    Circle K 基于 Amazon Bedrock 构建自动分诊系统,将平均分诊时间降至 15 分钟以内,效率提升 67%–75%。 系统采用 Agentic AI 架构,利用 Bedrock Flows 及 AgentCore 自动检索日志并生成 Slack 摘要。 此举让值班工程师即刻获取可操作上下文,免去了手动排查 45–60 分钟的操作。

11月2日周一
10月30日周五
  1. arXiv · AI35

    ZEST-Search:无标签且工具高效的搜索智能体异构共进化学习框架

    ZEST-Search提出一种无标签、工具高效的搜索智能体训练框架,通过异构共进化实现性能提升。 该框架使用非标签参考问题在线构建验证任务,并采用中间难度奖励与工具感知奖励优化任务难度与搜索效率。 实验表明,在七个通用及多跳问答基准上,ZEST-Search在无需专家轨迹的情况下显著提高了搜索效率。

  2. arXiv · NLP21

    SandwichR 方法实现低延迟查询纠错,在保持 SOTA 准确率同时降低 40-70% 延迟

    SandwichR 通过 Answer-Reasoning-Answer 范式解决查询纠错延迟痛点,达到与标准 CoT 相当的 SOTA 准确率,同时降低 40-70% 延迟。 该方法采用一致性感知强化学习对齐初答与推理,并构建高质量数据集填补专项基准空白。 此方法在 CIKM 2026 发表,实现了在线搜索中延迟与准确率的平衡。

10月28日周三
  1. arXiv · AI30

    RAID提出无需目标查询的生成式搜索引擎优化方法

    研究人员提出RAID方法,通过角色增强意图驱动优化生成式搜索引擎内容可见性,无需访问目标查询或相关反馈。 在100个样本和500个评估查询中,RAID的目标整体相对改进得分(RIS)达3.00%,主观平均分1.32%,有效优化率平均为58.0%。 该方法在生成式搜索引擎普及背景下,为内容优化提供了新途径,提升了不可见查询下的优化能力。

  2. arXiv · AI22

    API:利用预训练可解释特征适配生成式推荐

    API框架将预训练稀疏自编码器的特征索引直接复用为语义ID词表,解决了生成式推荐中额外训练成本及词表覆盖依赖的问题。 该框架包含预训练可解释ID(PIDs)与语义预测适配器(SPA),通过联合预测特征索引与激活强度来区分物品并学习用户偏好。 实验表明API在保持紧凑token预算下具备竞争力,并实现了可解释的检索。

  3. arXiv · AI28

    LiveSearch:基于可执行验证代码的专业金融搜索智能体实时基准

    LiveSearch 是一个金融搜索实时基准,它将问题存储为对专业金融数据服务的可执行验证代码,在评估时动态确定正确答案。 该基准通过每日自动重新执行程序来避免答案过时,且构建过程仅由语言模型将工具响应转化为程序,不参与答案选择。 在通用网络搜索条件下,六款最新的工具调用模型回答准确率介于 70.9% 至 76.7% 之间,且在三天内 70% 的问题黄金值发生变化。

  4. arXiv · AI40

    研究:AI 生成网络内容占比激增且分布不均

    基于 500 万网页样本的研究显示,AI 生成文本占比激增但分布不均,英语网页及.com 域名占比更高。 分析发现网页在连接图中越不中心,AI 文本增长越迅速,最中心层级 AI 内容最少。 这表明 AI 已成为公共信息传播中显著但多样化的组成部分。

  5. arXiv · AI20

    SearchHorizonBench:评估 AI Agent 搜索价值的新基准

    提出 SearchHorizonBench 基准,用于从执行经验中学习与评估 AI Agent 的搜索价值。基准包含 45,632 次执行和 3,168 个问题,历史校准可将 Brier 误差降低 16.2%。 搜索收益标准差为 21.4 个百分点,现有历史估计器仅能解释少于 2% 的点估计方差。在参考 token 价格下,自由选择观测比最佳常数动作带来 2.49 分效用机会。

10月27日周二
  1. arXiv · NLP29

    Certify:基于 Horn 闭包证明的需求导向检索

    Certify 系统利用需求超图和 Horn 闭包判定证据充分性,在三个语料库上的决策准确率显著优于搜索代理和充分性判断器。 实体检查使决策准确率在存在黄金证据时提升 4 至 13 个百分点;基于该证明生成的答案正确率达 80%,高于全检索片段的 57%。 该方法无需额外模型调用即可匹配专有模型的充分性标签,实现了结构化证据验证。

  2. arXiv · NLP31

    PatEx-Gym:用于专利审查新颖性评估的智能体先例搜索框架

    提出 PatEx-Gym 框架以解决专利审查中先例搜索难题,包含 1K 任务基准及超 1M 专利语料库。 引入 PASS 无标注轨迹合成方法,通过监督微调训练出 4B 参数规模的 PatEx-Agent 轻量基线模型。 实验表明该小型模型在新颖性评估任务中性能具有竞争力,为深度智能体搜索提供测试场景。

10月26日周一
  1. arXiv · NLP29

    关联规则挖掘:作为新闻框架检测的非监督框架

    论文提出关联规则挖掘作为无需标注的非监督新闻框架检测框架,利用高提升共现规则识别候选框架信号。 基于16家英美法德媒体2023-2024年加沙战争的25,512篇英文文章,使用Apriori算法发现跨平台军事框架{israeli, strike}→{kill}在14家媒体出现。 FP-Growth在1,575篇阿拉伯语文章上实现句级分析,验证结果被两家调查报道机构采用。

10月22日周四
  1. arXiv · NLP20

    推理-搜索增强型 LLM 的运营分类学、基准分析与受控证据综合

    研究构建了推理-搜索增强型 LLM 的运营分类学,通过四个架构轴分析将逐步推理与交互式搜索紧密耦合的系统,并独立处理学习信号这一横向维度。 系统通过交错规划、查询、检索、整合、验证和停止来实施推理-搜索循环,区分了基准难度与 RSA-loop 需求,并综合了受控的消融实验和质量成本差异。 该研究旨在厘清推理-搜索增强型 LLM 的现状,并概述塑造未来研究的设计选择的统一视角。

  2. arXiv · AI35

    CompLit:科学文献搜索基准需覆盖隐式、累积及未满足需求

    研究提出覆盖arXiv八大领域的CompLit基准,测试智能体寻找隐式、累积及未满足文献需求的能力。Codex(GPT-5.6-Sol)和Claude Code(Opus 4.8)在标准查询中准确率分别为86%和87%,但在隐式需求下降至66%和68%。 未满足需求的查询中两者放弃率最高达53%,且所有智能体在2019年前或2023年后的论文上表现更差,揭示其常能定位正确论文但误判其适用性。

10月21日周三
  1. arXiv · AI27

    提出 AISTRAL 架构以支持发布商控制的 AI 原生互联网

    论文提出 AISTRAL 架构,旨在解决 AI 智能体主导互联网消费时发布商缺乏内容控制权的问题。该架构通过发布商控制接口暴露语义单元,并采用类 DNS 的语义解析器供智能体直接检索。端到端原型在准确率上至少匹配集中式管道,特定场景下高出 4.2 倍,单次查询数据传输量降低 2.9-41 倍。这使归因和使用策略随内容传递,从而重新平衡互联网生态激励。

  2. arXiv · AI31

    MOSS:监控和诊断搜索与推荐系统中语义故障的生产框架

    大型美国零售商部署 MOSS 框架超六个月,捕获两个服务缺陷,其中一个修复使告警率相对降低 76.4%。 基于 498 对人工标注推荐基准,前沿 LLM 在需意图级推理任务上的 F1 和 AUC 显著优于内部嵌入与 SBERT。 单一 LLM 监控框架经提示词适配即可迁移至搜索场景,为大电商提供可操作的质量信号。

10月20日周二
  1. arXiv · AI20

    CARRS:面向城市环境的应急车辆约束感知实时路由系统

    CARRS 实时路由系统融合 A*、Dijkstra 与双向 A* 算法及约束满足方法,专门优化应急车辆路径。 基于 OpenStreetMap 数据和模拟交通场景评估,该系统在 35 秒内生成子图最优路径,重路由响应时间低于 20 秒。 系统对特定车辆约束的遵守率超过 90%,为实现动态城市环境下的自适应应急协调提供了可行架构。

  2. arXiv · ML42

    FinHopper:用于复杂金融智能体及逐步评估的渐进式多跳基准

    论文提出 FinHopper,一个控制推理深度为 1-6 跳的金融多跳检索基准,包含股票、基金及宏观经济事实的中间答案,支持过程级评估。 该基准通过状态转移合成框架构建,结合人工专家验证与模型集成检查,确保数据质量。 实验显示 20 种 LLM 智能体配置中,公开搜索工具必要但不足,性能随跳数增加急剧下降,且过程感知评分能揭示最终答案评估中隐藏的推理进展。

  3. arXiv · NLP24

    GEO 审计揭示 ChatGPT 和 Gemini 对生成引擎优化的位置依赖差异

    一项包含 31,200 次响应的受控审计表明,生成引擎引用的来源随用户位置渠道不同而变化,导致商业可见性受地域影响。ChatGPT 遵循应用声明的城市位置,将地名写入搜索查询;而 Gemini 忽略声明位置,仅依据网络国家定位并大幅更换来源。 因此,针对生成引擎的优化(GEO)监测必须同时控制声明位置与网络位置两个渠道,才能获得准确的可见性评估。

10月19日周一
  1. arXiv · NLP30

    GLOBE: 用于生成式搜索电商产品优化的演进式结构化智能体记忆框架

    GLOBE 提出了一种演进式结构化智能体记忆框架,用于生成式搜索下的电商产品优化。 该框架通过编辑器(Editor)应用行为并获取基于排名的反馈,由反思器(Reflector)更新行为,同时协调员(Moderator)和策展人(Curator)负责去除冗余、提交变更及停用有害行为,从而将单集反馈转化为持久的字段级优化记忆。

10月17日周六
  1. DeepSeek82

    DeepSeek V4.1 Flash 1017 更新:优化开发效率并开放搜索 API

    DeepSeek V4.1 Flash 更新至 V4.1-Flash-1017 版本,官方网页端、APP 与 API 已同步变更。新版通过强化学习提升了游戏开发与 3D 建模等项目构建能力,并优化了性能与成本平衡,支持在较少的提示词条件下实现复杂任务。

    推荐理由:新版本提升了游戏与3D项目开发能力,开放了带鉴权的自研搜索 API,并同步更新多端入口。

10月16日周五
  1. arXiv · NLP22

    研究揭示 LLM 生成文本对 BM25 等基于词项检索模型的影响

    研究表明,经典基于词项的检索模型(如 BM25)并未对 LLM 生成内容表现出固有偏见,而是优先排序词项分布与查询更匹配的文档。 LLM 生成文本在语言分析上呈现出平滑的高频分布、陡峭的低频 Zipf 斜率、更高的词项具体性及文档级多样性。 该研究为理解混合来源内容中检索系统的潜在偏见提供了理论基础。