★ 3
SearchWeaver：自动优化智能体搜索接口，BrowseComp-Plus 准确率升至 78.4%
论文提出 SearchWeaver 框架，利用执行轨迹与任务奖励自动联合优化语料制品、可执行工具与使用说明，为不同语料定制搜索接口。在 GPT-5.4-nano 上，BrowseComp-Plus 答案准确率从 71.6% 提升至 78.4%，四个 BRIGHT 子集平均 nDCG@10 从 45…
arXiv NLP11 天前
#检索
共 25 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
BRIA：执行引导的大工具库智能体工具选择方法
论文提出 BRIA（分支-检查-采纳）智能体，将候选工具的调查隔离在独立分支中执行，任务智能体仅采纳有用结果进入主轨迹，并随任务推进动态检索新工具。在 1897 个共享工具池上，BRIA 在 PlanBench-XL 与 MCP-Atlas 上匹配或超过最强检索基线，MCP-Atlas 平均得分 …
arXiv NLP14 天前
★ 3
UltraBERT：突破 BERT 预训练极限的双向编码器
研究者提出 UltraBERT，通过为低和高掩码率分配独立 LM 头并限制蒸馏目标，首次在分类和检索任务上同时达到最优。GLUE 得分 91.0，BEIR 得分 47.7，并揭示编码器在数万亿 token 后饱和、低掩码率利于分类而高掩码率利于检索等发现。
arXiv NLP19 天前
★ 3
论文提出LongHarness：状态化证据管理实现亿级Token语料推理
arXiv论文提出LongHarness，一个模型无关的智能体框架，通过证据-结论协同演化与证据生命周期管理，解决无界探索与证据状态漂移问题。在OfficeQA Pro V1/V2等基准上，GLM-5.3-Flash精确匹配从15.8%提升至60.2%，超越Claude Code与Codex。
arXiv cs.AI21 天前
★ 3
评论：向量数据库已死
一篇题为“RIP, vector database”的评论引发讨论，认为随着通用数据库和AI原生检索能力增强，独立向量数据库的定位正被侵蚀。该观点在开发者社区激起对向量检索技术走向与基础设施整合的争论。
Lobsters – Machine Learning28 天前
★ 3
Legal Research Bench：评估长程法律研究智能体可靠性
论文提出Legal Research Bench（LRB），包含413道专家撰写的美国开放式法律研究问题，每题配金标准答案、支撑权威与二元评分细则。作者在带网页搜索、判例检索、页面解析与检索工具的框架下评测13个前沿模型，采用全通过式评分与来源核验。结果显示智能体远未可靠：最强的Claude Op…
arXiv cs.AI31 天前
★ 3
Ovis-Embedding：推进通用全模态嵌入
论文提出Ovis-Embedding全模态嵌入模型族，基于共享多模态骨干将文本、图像、视频、音频编码到统一表示空间。三项关键进展包括原生全模态初始化、数据中心化训练与嵌入专用优化。该模型族在MMEB-v3、MMEB-v2、MVEB、MAEB、RTEB上均达到最先进水平。
arXiv cs.AI40 天前
★ 3
Toollery：让 LLM 智能体扩展到数千工具
针对 LLM 智能体面对成百上千技能与工具时全库提示成本高、延迟大、选择易受干扰的问题，论文提出免训练的候选压缩框架 Toollery。它从技能/工具说明生成用户意图查询并建立检索索引，在最终决策前将候选集压缩到紧凑的 top-k。在约 7.9 万能力的 SkillRouter、BFCL-V4 及…
arXiv cs.LG41 天前
★ 3
AutoViewMem：面向对话长期记忆的自配置正交视图
针对 LLM 智能体长期记忆中异构信息混合导致语义干扰的问题，论文提出 AutoViewMem，在索引前将对话记忆组织为自配置、低重叠的语义视图，把语义解耦从检索时前移到写入时。在 LoCoMo 和 PersonaMem 基准上，基于 Qwen3-8B/14B 均提升长程问答与个性化表现。
arXiv cs.AI42 天前
★ 3
检索信号能否改善多模态 RAG 路由
论文检验在已知查询的前提下，检索时信号是否能为自适应 RAG 路由带来增量价值。在文档、音频、视频 RAG 上对比仅查询与查询加检索的路由器，发现检索信号并未带来可靠的路由提升。结论强调检索状态特征的价值必须被证明而非假定。
arXiv cs.LG49 天前
★ 3
EdgeMem：免LLM的智能体记忆构建与检索
EdgeMem是一种智能体记忆方法，通过保留原始交互轮次并利用多锚点超图组织，无需生成式LLM调用即可实现高效检索。在LoCoMo和LongMemEval-S基准上取得领先成绩，表明保留源证据是智能体记忆的有效基础。
arXiv cs.AI54 天前
★ 3
MolEmb：多模态大语言模型作为分子嵌入模型
MolEmb框架利用多模态LLM，通过双向对比目标对齐分子图谱与文本描述，生成上下文相关的分子嵌入。在分子性质预测和跨模态检索上表现优异，并引入MolCAR基准评估上下文感知检索。
arXiv cs.AI68 天前
★ 2
Telem 实测 12 款 AI 智能体搜索 API：最好的也不够用
Telem 团队对 12 款面向 AI 智能体的搜索 API 做了横向测试，结论是即便表现最好的产品也难以满足智能体对检索质量与稳定性的需求。文章为构建检索增强智能体的开发者提供了选型参考。
Hacker News – AI12 小时前
★ 2
arXiv 论文提出 Skill-Uni 统一技能检索与利用的强化学习框架
针对现有技能增强生成方法将检索与利用分离优化的问题，论文提出 Skill-Uni 统一强化学习框架，采用生成式技能检索让单一模型同时学会检索与使用技能。通过预热指令微调与 GRPO 两阶段训练，在五个技能基准上相较 Qwen3-4B 与 LLaMA3.1-8B 分别平均提升 66.59% 与 34…
arXiv NLP3 天前
★ 2
IFC-MCQ：自动生成选择题基准评测 LLM 的 IFC 数据检索
论文提出 IFC-MCQ，可从 IFC 建筑信息文件自动生成选择题基准，实现精确的选项集评分，避免自由文本答案的高昂人工评审。分类体系覆盖 4 组 15 类 36 子类，答案键来自文件本身，干扰项由文件值或预定义规则构造。评测揭示类别特定失败模式，且性能随源 IFC 模型与检索接口变化。
arXiv NLP10 天前
★ 2
论文研究文本嵌入模型量化校准的收益与风险
研究在 e5-base-v2、BGE-M3、EmbeddingGemma-300m 三个文本嵌入模型上做 4 比特权重量化，共 161 次校准实验，发现同一流程的结果可从提升到灾难性退化，关键驱动因素是更新剂量。作者据此把校准视为可选干预，并提出基于验证集置信区间的准入规则，在 30 次决策中未选…
arXiv cs.AI12 天前
★ 2
Copy-Paste 语言模型：新增复制头提升性能
研究者提出 Copy-Paste 语言模型（CPLM），在常规语言建模头之外增加轻量级复制头，显式建模上下文复制能力。在 135M 至 1.7B 参数模型上预训练验证，训练效率与下游性能均有提升，长上下文与检索场景获得新工作点，开销可忽略。
arXiv NLP18 天前
★ 2
CGSD 方法分解训练数据过滤中的选择与重分布
论文提出反事实门控-支撑分解（CGSD），用四臂预算匹配设计将数据质量门控效应拆分为支撑内选择、支撑间重分布及交互项。在韩英、韩日检索任务中，仅支撑内选择分量显著超过零假设带，且该结论在模型置信度阈值门控上同样成立。该方法可避免将支撑重分布误读为样本级门控质量。
arXiv cs.LG18 天前
★ 2
新论文提出连续查询生成范式，突破生成式推荐语义ID可达性限制
研究指出生成式推荐依赖离散语义ID与有限宽度束搜索，会限制目标项进入返回列表。论文提出 CQG-Single 与 CQG-AR 两种连续查询范式，去除 SID 词表与离散束扩展，使所有编码项可直接打分检索。CQG-Single 在七次运行中均超过 TIGER 类基线，且可训练参数仅为55.3%。
arXiv cs.AI21 天前
★ 2
有限特征联想记忆的几何容量理论
arXiv 论文为压缩有限特征 Hebbian 联想记忆的精确键检索建立几何容量理论，将检索干扰分解为有限特征噪声与结构干扰，给出无需拟合的检索质量预测与容量上限。在合成、视觉与医学图像表征上验证，理论曲线与实证行为高度吻合。
arXiv cs.LG25 天前
★ 2
READ-Bench：时间序列诊断的历史案例检索基准
研究提出 READ-Bench，覆盖 12 个诊断数据集，按故障或事件类型而非信号形状定义相关性。实验发现预训练表征在检索阶段并不优于经典与符号基线，决定性因素是重排阶段少量已解决案例的监督。基于此设计的融合方案在全部 12 个数据集上提升了 NDCG@10。
arXiv cs.AI34 天前
★ 2
预测智能体何时该推理：可靠性路由行为压力测试
论文研究预测智能体在检索、推理、参考市场先验或历史类比之间如何选择，发现机制选择高度依赖证据来源。作者提出 ReliabilityRoute，用历史覆盖率、市场先验可用性、证据强度等可靠性特征引导智能体行为。结果显示更多推理并非总是更好，路由策略本身应在可审计约束下自适应。
arXiv cs.AI38 天前
★ 2
EconSkills：网页智能体的技能迁移与检索
论文提出 EconSkills，一个将已验证的 EconWebArena 轨迹蒸馏为参数化标准操作流程的技能库与评估框架，用于检索实时经济数据。每个技能记录范围、导航流程、站点指引、验证检查与恢复步骤，并将具体取值替换为占位符。实验表明抽象技能比回放原始轨迹更有效，技能可跨任务实例迁移，并为覆盖感…
arXiv cs.AI45 天前
★ 2
基于掩码临床上下文的 SNOMED CT 概念推荐基准
将临床语言标准化为 SNOMED CT 有助于互操作与表型复用，但相关概念在训练数据中稀少或缺失时推荐困难。论文基于 MIMIC-IV-Note 构建掩码概念推荐基准，含 272 份出院小结、75491 条标注。稀疏 TF-IDF 表现最佳，Recall@10 为 33.43%，检索增强并未提升基…
arXiv cs.AI46 天前
★ 1
Recalld：只返回相关事实的AI代理记忆层
Recalld是一个面向AI代理的记忆层，声称只返回相关事实，帮助代理更精准地调用记忆信息。该产品发布在Hacker News上。
Hacker News – AI34 天前