跳到正文
10月16日周五
  1. arXiv · AI35

    QREF 通过查询精炼与证据过滤提升 DeepSearch 智能体性能

    QREF 提出即插即用的查询精炼器与证据过滤器,解决 DeepSearch 智能体检索噪声与覆盖不足问题。 该方法通过强化学习优化查询重写,在 WebSailor 和 TongyiDeepResearch 基准上平均相对 Pass@1 分别提升 33.55% 和 11.04%。 无需修改原架构或重训推理策略,RL 训练的 QREF 将缺乏判别性检索锚点的查询批次比例降低 95%。

10月15日周四
10月14日周三
  1. arXiv · ML31

    OMEGA 高效支持任意 K 值的学习式搜索

    OMEGA 模型将任意 K 值的学习式搜索转化为重复的掩码 top-1 搜索,仅需一个 top-1 模型的预处理成本即可服务多种 K 值。 其核心机制包括轨迹特征泛化、排名置信度分配以及减少模型调用开销的统计预测方法。 在 9 种数据集配置下,OMEGA 达成 0.95 召回率,平均延迟降低 23%,生产环境中相比 HNSW 最多减少 28% 的 CPU 时间。

  2. arXiv · AI32

    ScholarQuest:面向智能体学术搜索的分类学引导基准

    ScholarQuest 提出一个基于分类学的学术搜索基准,涵盖 1000 多个计算机主题和 4 类研究意图,并构建百万级文献环境 ScholarBase。 其答案集通过多源检索和引用扩展生成,支持多轮评估;智能体方法优于单次检索,但最佳系统 Recall@100 仅 0.312。 研究揭示规划器 token 消耗与召回率无必然正相关,基准和工具链已开源以支持可复现研究。

  3. arXiv · ML26

    基于 LLM 知识蒸馏的多模态电商搜索相关性预测模型

    提出将高性能 LLM 相关性判断系统蒸馏为高效多模态学生模型的框架,显著降低推理成本并提升吞吐量。 通过人工标注高质量数据集构建 LLM 作为评判者的流水线,生成大规模标签用于训练紧凑模型,性能接近教师系统。 该方法支持在生产环境中部署高质量的相关性预测系统。

  4. arXiv · NLP30

    LLM 智能体解耦搜索与推理:一种厂商无关的 MCP 兼容搜索定位架构

    提出 Decoupled Search Grounding (DSG) 架构,通过 MCP 兼容网关将搜索与推理模型解耦,实现厂商无关的搜索定位。 在 SimpleQA 基准测试中,DSG 搜索成本降低 91%,延迟降低 68%;在电商工作负载中,搜索成本降低超 98% 且准确率匹敌原生搜索。 该架构消除了原生搜索导致的答案冗长问题,使实时搜索定位成为可优化的接口边界而非固定模型功能。

  5. arXiv · NLP33

    LLM 推荐系统中的品牌偏见与认知操纵动态:以护肤品为例

    在护肤品这一难以事前判断质量的品类中,知名品在规格相同时可占据 100% 的 LLM 推荐份额,但竞对仅需 +0.1 星优势即可打破该垄断。 营销话术及伪造临床证据可将偏见盈余推高 +0.17 星;多品牌均优化时,单家收益从 +0.802 跌至 +0.007,不参与品牌零推荐。 提示需将生成式引擎优化(GEO)视为新兴营销实践来研究。

  6. arXiv · NLP42

    生成式引擎优化(GEO)研究:内容、检索与模型知识如何驱动 AI 引用

    针对 158,099 条答案与 468,037 个引用的分析表明,生成式引擎的检索机制比页面属性更能解释引用差异。 引擎搜索检索解释 32% 的引用变异,而页面属性仅占 2.8%。内容主要通过匹配引擎重写的查询语义起作用,而非 FAQ 等结构化元素。 研究在小型 B2B 市场复现了相关发现,并公开了数据与代码。

  7. arXiv · ML28

    XForecast: KDD 2026 Finance Day 基于新闻的金融预测挑战赛

    XForecast 发布了一项基于新闻的金融预测基准与竞赛,要求结合历史股价与新闻信号预测四周后的股票价格变动。 该基准包含 2019–2023 年 100 只大盘股数据,采用加权命中率指标以强化对新闻敏感场景的评估,竞赛在 Kaggle 平台举办。 旨在评测整合时间序列与文本信息的金融预测方法。

  8. arXiv · AI41

    Neos:学习交错执行搜索与视觉推理

    Neos 提出多模态深度搜索框架,在十项基准测试中超越同类专用智能体。 通过多模态证据接口(MEI)实现策略强化学习与监督微调的交替迭代,解决长周期任务中视觉证据到决策的转化难题。 Neos-9B 和 Neos-35B 版本在专用多模态深度搜索领域展现出领先的基准性能。

  9. arXiv · AI34

    Glasseek:深度搜索智能体的透明训练与可信评估方案

    Glasseek 提出开源深度搜索框架,其 9B 参数智能体在多项深度研究基准上超越前沿闭源模型,并刷新 9B 规模 SOTA 纪录。 框架采用 Compaction-Managed GSPO 训练算法,实现跨上下文压缩边界的端到端策略优化,并发布模块化防泄漏插件解决评测污染问题。 该工作公开了完整的数据、权重与代码,为开发可复现且可靠的开源搜索智能体提供了系统化范式。

  10. arXiv · AI27

    WeFair:基于人类反馈的保真对齐个性化短视频搜索查询重写

    WeFair 是一种基于人类反馈的保真对齐方法,用于 WeChat 短视频搜索的个性化查询重写。 该方法通过挖掘实际用户重写数据,结合直接偏好优化和群组相对策略优化,利用多维度 LLM 筛选过滤不支持的意图转移。 在线 A/B 测试显示,有效点击率相对提升 1.576%,查询重写率相对降低 1.731%。

10月12日周一
  1. arXiv · AI48

    当前 AI 基准测试遗漏维度:ChatGPT 模态、搜索、引用与安全评估研究

    针对 ChatGPT 模态与基准测试的研究发现,开启网络搜索可使模型准确率最高降低 8 个百分点,且重复测试中高达 21% 的提示词产生不一致回复。 研究分析了 401 个提示词与 4,812 次响应,对比了 Chat UI 与 API 在 BBQ 和 SafetyBench 上的表现,并发现不同模态的引用来源和拒绝回答行为存在差异。

  2. arXiv · AI23

    生成式搜索中基于主张门控的来源风险审计

    该研究为生成式搜索提出了一种主张门控的来源风险审计方法。在包含81种三元状态谓词组合的合成测试集中,参考检查器成功复现所有组合,并拒绝了192条畸形记录。 这些结果属于有限的契约一致性验证,明确了建立语义有效性所需的后续独立标注与效用测试。

  3. arXiv · NLP37

    SOAR: 基于来源感知强化学习与精确信用分配机制搜索智能体方案

    提出来源感知强化学习范式 SOAR,旨在解决搜索智能体绕过外部证据而虚构答案的问题。 通过将内部与外部知识分解为可观测的并行流,SOAR 在 3B 和 7B 基座模型上性能分别提升 7.3% 和 5.4%,并将证据虚构率降低 74.8%。 该方法有效强化了模型在知识密集型任务中的忠实性与鲁棒性。

  4. arXiv · NLP39

    SEEDS:基于预览引导的证据准入机制提升搜索智能体效能

    SEEDS通过预览引导策略让搜索智能体动态选择需完整检查的检索结果,在9个基准测试中持续提升搜索效果并显著降低证据消耗。 该框架允许智能体基于当前推理状态决定检查哪些及多少候选项,相比固定策略更灵活。 实验证实SEEDS能有效选择检索前缀之外的有用候选项,确立了证据准入作为智能搜索的关键维度。

10月9日周五
  1. arXiv · NLP28

    Project Greenhouse:迈向完全开放与主权 Agent 搜索

    Project Greenhouse 验证了使用少量 GPU 资源即可构建完全开放且主权的 Agentic Search 模型。 该研究通过从零预训练和监督微调两步配方,训练出具有竞争力的点式 decoder-only reranker,并发布了 Gaggle 模型家族的 checkpoints。 此方法不依赖第三方开放权重基座,实现了端到端训练控制,支持透明且独立的复现。

10月8日周四
  1. arXiv · AI28

    DAC:跨智能体学习信号实现协调的 LLM 角色分解训练

    DAC 框架通过在特定任务外部验证信号下训练搜索器与生成器,利用角色间交叉验证奖励实现了协调的角色分解训练。 该框架允许生成器在证据不足时选择放弃,并通过引入困难正样本增强机制防止模型退化为过度放弃策略。 在涵盖通用和多跳问答的 7 个基准测试及 2 种模型骨干上,DAC 的表现稳定优于强大的单智能体和多智能体基线模型。

  2. arXiv · AI20

    WebRider: 基于角色条件化意图控制器的实时网页协助系统

    WebRider 提出“意图契约”机制以弥补当前实时网页智能体仅评估最终答案的缺陷,其在 99.2% 任务完成率的场景中仅 38.8% 严格遵循策略约束。 该系统采用分层架构,通过 RiderBench 基准在 42 个公开网站上的 4,096 个实时契约中验证,并利用 8B 行动策略模型实现优于纯执行基准的训练信号。

10月7日周三
  1. arXiv · NLP34

    生成式信息检索中语义标识符空间的系统性研究

    针对生成式信息检索(GIR)中文档标识符(DocID)设计缺乏统一标准的问题,提出一个统一乘积量化(PQ)与残差量化(RQ)的设计空间框架。 定义了一组免训练的内在指标,用于在无需完整模型训练的情况下量化 DocID 质量与结构保真度。 在 MS MARCO 300K 和 NQ320K 数据集上的实验表明,DocID 的层级与并行结构等特性显著影响检索效果。

  2. arXiv · ML20

    纯语言推理实现跨视角地理定位:零样本多模态大语言模型方法

    研究利用零样本 MLLM 生成结构化文本以比较地面全景与卫星瓦片,无需任何组件训练。在 VIGOR 数据集上,描述相似度在全池中 Recall@1 仅为 0.39%,但在缩小至 10 个邻近瓦片时,MLLM 评委评分表现优于随机排序并匹敌词汇基线。 该方法能解释定位依据,但无法通过描述重排超越视觉检索器,因为语言转换丢失了区分邻近地点所需的精细外观细节。

10月6日周二
  1. arXiv · NLP30

    小模型结合语义搜索实现高效多语言代码定位

    基于 ColGREP 的紧凑本地智能体在 SWE-bench Lite 和 Multi-SWE-bench Flash 任务中,定位准确性优于 GREP 基线。该方案结合加权监督微调与强化学习,训练了三个参数量低于 20 亿的模型族。在 CPU 环境下,端到端延迟降低 44.1%,Token 消耗减少 29.1%,并提升了对未见编程语言的泛化能力。

10月5日周一