RouteDRAG：学习路由与控制多模态文档 RAG 智能体执行
原文标题：RouteDRAG: Learning to Route and Control Agentic Execution for Multimodal Document RAG
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 RouteDRAG，通过统一文档索引、自适应路径路由、动态智能体执行与序列策略学习，判断何时需要智能体式检索、何时走更短路径。在两个基准上平均准确率提升 3.47 个百分点，仅将 79.3% 查询交给智能体执行，且调用次数更少。
深读 · 结论先行AI 生成展开看要点与影响 ↓
RouteDRAG 学习何时调用智能体，仅 79.3% 查询走智能体路径，准确率反升 3.47 个百分点
- •统一文档索引把多模态内容组织为图索引，并从初始检索导出查询表示
- •自适应路径路由预测智能体相对短路径的相对收益
- •动态智能体执行维护演化工作区，精化 Planner 提议以控制工具使用与终止
- •序列策略学习先学操作控制、再用所得智能体表现训练路径路由
- •两个基准上平均准确率提升 3.47 个百分点，且调用次数更少
为什么重要：证明智能体式检索并非总是必要，按查询路由可同时省算力并减少错误答案。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
谷歌发布 EmbeddingGemma 2，五模态统一向量空间
AI 摘要谷歌推出 EmbeddingGemma 2 嵌入模型，可将文本、图像等五种模态映射到同一个向量空间，实现跨模态检索与对齐。该模型延续 Gemma 开源系列，面向多模态嵌入与检索增强场景。
谷歌发布Genie 4世界模型，可生成带音频交互体验
AI 摘要谷歌发布 Genie 4 世界模型，支持更真实的世界、自然语言实时修改、音频生成，底层由 Gemini 3.8 Flash 驱动，单次体验时长从 1 分钟提升至约 2 分钟。该模型先以研究预览形式向受信任测试者开放，并将向 Google AI Ultra 订阅用户推出。
谷歌 DeepMind 发布 Genie 4 世界模型，新增音频与实时操控
AI 摘要谷歌 DeepMind 发布世界模型 Genie 4，新增实时音频、更逼真的模拟环境，并支持在模拟过程中用文本提示实时操控。该模型以研究预览形式向受信任测试者开放，进一步推进可交互世界模型的能力边界。
谷歌 DeepMind 称四个 Gemini 4 智能体 27 小时通关《我的世界》
AI 摘要谷歌 DeepMind 表示，四个基于 Gemini 4 的 AI 智能体在 27 小时内自行编写 2783 段程序，成功通关《我的世界》。过程中智能体在简单难度下死亡 605 次，估计消耗约 520 美元 token 成本。