SAG2:基于 BM25 与决策模型的无嵌入多跳检索架构
SAG2 提出了一种无需离线嵌入计算的检索架构,仅依赖单个 SQLite 数据库和 BM25 词法索引。 在 MuSiQue、2WikiMultiHopQA 和 HotpotQA 的 1000 题子集上,SAG2 取得了 86.62%、97.43% 和 99.00% 的 Recall@10,索引 11,656 个段落耗时 2.36 秒。
SAG2 提出了一种无需离线嵌入计算的检索架构,仅依赖单个 SQLite 数据库和 BM25 词法索引。 在 MuSiQue、2WikiMultiHopQA 和 HotpotQA 的 1000 题子集上,SAG2 取得了 86.62%、97.43% 和 99.00% 的 Recall@10,索引 11,656 个段落耗时 2.36 秒。
Stream Reducer 是一款支持 YouTube、Bilibili 及播客平台的 AI 总结工具,可将长音视频转化为带原始链接的清晰读物。 支持“少看多懂”模式,提供核心观点及详细笔记,允许用户无需登录即可浏览公共摘要并跳转至原始时间点。
AI答案引擎在24个购买类别中的23个里,均于100%的用户问题中推荐同一主导品牌。 120个被测品牌中10%从未被提及,而领导品牌平均声量占比仅约26%,表明仍有优化空间。
DeepSeek API 现已支持网页搜索与抓取,按请求次数计费,单价为每 1000 次成功请求 5 元。Search 接口按 query 搜索网页并返回结构化结果,Fetch 接口抓取单个网页并以 Markdown 文本返回标题与正文,两者均基于 DeepSeek 自研搜索引擎,Base URL 为 api.deepseek.com。
DeepSeek 发布新模型 V4.1-Flash-1017,在基准测试中性能提升且任务运行时间与 token 费用降低,支持“许愿式编程”基于自反馈强化学习自动生成完整项目。同时官方推出自研 Search 和 Fetch API 接口,按成功请求次数计价,每千次 5 元,并开放给 DeepSeek Harness、Claude Code 等工具调用,限时免费。
DeepSeek 将 V4.1-Flash 更新至 1017 版本,开源权重上线 HuggingFace 与 ModelScope,同时向公众开放定价为 5 元/千次的搜索与抓取 API。新模型在 DeepSWE 等基准测试中表现超越 GPT-6 Astra 等竞品,单任务成本降低约六成,并通过强化学习增强完整项目开发能力,支持用自然语言描述需求的编程模式。
CiteLadder 是一个开源自托管的 AI 搜索可见度追踪工具,作者展示了其如何通过 ChatGPT、Gemini、Claude 与 Google AI Overviews 监控品牌提问表现。它记录引擎回答中提及的品牌、引用页面,并通过 Site Health、MCP 服务器与 Public API 提供诊断、修复操作入口;作者使用 Docker 和 Node.js 文档说明了本地部署流程。
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。
DeepSeek 官方 Search 与 Fetch API 已上线,两项接口均使用其自研搜索引擎,为 Agent 与 RAG 应用提供实时网页内容;计费为每 1,000 次成功请求 5 元,失败请求、空结果和超时不计费。
社区维护的 AI Service Indicators 项目提供生成式 AI 应用的 DNS 主机名列表,用于从日志中识别服务访问。 数据按角色分类(如 app、api、agent),区分实际使用与遥测等场景,并支持 Splunk 等 SIEM 直接加载。 该工具通过统计去重设备数而非查询次数来评估服务使用,但无法识别具体模型或用户行为。
由 Dale Hurley 开发的 Lobby Domains 利用 Chrome 内置端侧 AI 本地生成域名,无云端回退机制。域名验证直接发送至注册局 HTTPS RDAP 服务,不经过中间代理。支持 WebMCP 接口,ChatGPT 或 Claude 等兼容智能体可调用生成、验证及结果获取功能。
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。
研究引入 VoteGEO-Bench 基准,覆盖 2024 美国大选与 2026 日本众议院选举,评估生成式引擎优化(GEO)在投票场景下的风险。该基准结合选举相关查询、历史网页及选民画像,用于分析外部网络内容如何塑造大语言模型呈现的政治信息。
研究者通过对比学习微调 Qwen3-Embedding 模型,提出用于二进制逆向工程中源代码与去标识化反编译代码双向关联的无标识符嵌入方案。 该模型在功能关联基线上大幅优于其他模型,并能泛化至未显式训练的常数算法关联任务,提升了大规模代码搜索效率。
研究人员提出 KnowGPO 框架,通过任务相关知识条件对齐轨迹状态,而非依赖表面观察或内部信号。 在 Xbench、BrowseComp-ZH 和 GAIA 实验中,KnowGPO 比 GRPO 及过程监督基线提升 3.8 至 4.2 分。 其 8B 模型性能匹敌或超越多数 32B 开源系统,显著改善长程交互中的信用分配难题。
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%。
提出视频深度研究智能体 AdaVDR,通过自适应工具使用与反思减少不必要的视频调用。 该方法构建根据任务类型和模型能力过滤工具必要性的数据管线,并设计 NASA-GRPO 奖励机制优化训练。 实验显示 AdaVDR 在 VDR-EE 和 VideoDR 基准上分别比基础模型高 15.20 和 29.00 个百分点。
苹果 Apple Intelligence 计划于 12 月通过 iOS 27.3 在中国大陆上线。此次上线的是两年前在美国发布的相对基础功能集,不包含今年发布的 Siri AI。百度在 Siri 相关搜索与视觉搜索模块提供软件服务,阿里作为 AI 能力接入,支持基于通义万相与 Qwen 的文本与图像理解及内容生成。
本地企业需优化网页内容以提升被 AI 助手推荐的概率。 在首页首句明确业务,以纯文本形式发布价格或区间,并添加简短 FAQ。确保 robots.txt 允许 GPTBot 和 OAI-SearchBot 等爬虫访问,避免被阻止。 统一各平台名称与联系信息,完善 Google 商业资料,并定期通过询问助手测试可见性。
Google 周四宣布 Universal Cart 工具面向美国用户开放,允许用户在 Search 和 Gemini 应用中集中收集并监控来自多家零售商的产品。
研究扫描 11 万网站发现,21.3% 在 robots.txt 屏蔽至少 1 个 AI 爬虫,78.7% 无任何限制。 大多数网站选择“全有或全无”,GPTBot 被屏蔽次数最多(2 万+ 站),且多数站点区分“禁止训练”与“允许搜索引用”。 国别差异巨大,荷兰屏蔽率 42.2% 居首,美国仅 2.9% 垫底。
基于 155 个网站 16 个月数据,Google AI Mode 的对话回复和追问被作为独立查询计入搜索日志。数据显示对话式查询在百万曝光中的占比从 5.6 升至 116,但点击率仅 2.9%;语言分析显示不同地区用户对 AI 回复的礼貌用语使用率存在显著差异。
开发者推出 Nyoose,提供每日最多10条按重要性排名的AI新闻简报,每条附简短事实摘要及原始链接。 AI 辅助完成故事选择与排序,标准在站点公开;重复报道会被合并,安静日期条目更少。 免费阅读无需注册,用户可免费订阅邮件获取每日简报,整体设计目标为每日约5分钟完成追赶。
研究人员提出“懒接地”攻击,利用事实但干扰性的信息使搜索智能体引用邻近证据。 在 12 个模型-基准测试对中,该攻击导致回答准确率平均下降 5.9 个点,最高下降 17.3 个点。 研究结果发表于 EMNLP 2026,代码已公开。
一项研究测试了500个产品问题,发现当用户明确指定产品名称时,Gemini 78%的情况下会搜索网络;若仅描述需求而未点名,搜索率降至7%,模型主要依赖训练记忆作答。 该结果揭示了AI在调用外部搜索与内部记忆间的决策逻辑,为理解AI响应构建机制及企业如何向AI传递产品信息提供了数据参考。
Google AI Mode 的点击数据并入 Search Console 性能报告,但查询词几乎全部匿名化。 实验发现,即使生成 100 以上展示量(500 次查询仅产生 101 次点击)也无法解锁真实查询词;侧边栏引用链接及展开链接均被独立追踪为不同位置。 同一 URL 在不同匿名查询下的点击会聚合为一行,排名取平均值(如位置 1 和 5 平均为 3)。
Humandex 团队测试了 32 个真实专业人士的 LinkedIn 主页,发现 41% 无法被 Google 索引,即使搜索精确地址也返回无结果或仅显示约 220 字节的短摘要。
华为详解鸿蒙座舱“智慧场景”机制,该机制定义了一套条件+动作的车载自动化规则。 用户设定主驾入座、挂入D挡等触发条件后,车辆自动执行调节空调、启动导航或播放音乐等动作。 基于MoLA 2.0架构的小艺智能体支持超模糊地址导航及“玻璃起雾”等生活化口语交互。
llms.txt 是一个位于网站根目录的纯文本文件,用于告知 AI 助手网站身份及优先读取的页面。该文件采用 Markdown 格式,包含 H1 标题、单行描述、H2 分区及带有简短事实性注释的绝对 URL 链接列表。
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。
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。
研究显示 Google AI Overviews 使 Reddit SFW 社区日评论量及活跃用户数分别提升 12.0% 和 12.4%。 这种增长主要集中于基于经验的讨论类型,而非事实性信息。 后续推出的 Google AI Mode 大幅削弱了 AI Overviews 带来的互动增益效果。
SearchMaster 是一个自博弈框架,能让 LLM 搜索 Agent 在本地环境中自行生成、解答并验证任务来训练共享策略,无需人工标注或专家演示。 它通过 ECG、SDR、OOP 三种控制机制过滤无效任务和不合理的搜索行为,并以 GRPO 对提议者与求解者进行联合优化。
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。
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。
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。
WeGR 提出了统一生成式检索框架,结合 CoCo-VAE 和 DHPO 提升检索与排序性能。 CoCo-VAE 融入协同信号缓解码本坍塌,DHPO 扩展优化范围并利用行为奖励。 该系统在微信电商搜索中部署,订单量相对提升 2.539%,CPU/GPU 使用量降低超 25%。
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。
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。
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。