论文页面 - 超越语义相似度：通过直接语料库交互重新思考Agentic搜索的检索

来源：https://huggingface.co/papers/2605.05242 作者：

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

摘要

直接语料库交互通过允许智能体直接查询原始文本，实现了更有效的agentic搜索，在复杂任务中超越了传统检索方法。

现代检索系统（https://huggingface.co/papers?q=retrieval%20systems），无论是词法检索还是语义检索，都通过一个固定的相似度接口暴露语料库，在推理之前将访问压缩为单一的 top-k 检索步骤。这种抽象是高效的，但对于 agentic 搜索（https://huggingface.co/papers?q=agentic%20search）而言，它成为了一个瓶颈：精确的词法约束、稀疏线索的联合、局部上下文检查以及多步骤假设修正，很难通过调用传统的现成检索器来实现；而在早期被过滤掉的证据，即使通过更强的下游推理也无法恢复。Agentic 任务进一步加剧了这种限制，因为这类任务要求智能体编排多个步骤，包括发现中间实体、组合微弱线索、以及根据部分证据观察结果调整计划。为了解决这一限制，我们研究了直接语料库交互（https://huggingface.co/papers?q=direct%20corpus%20interaction）（DCI），其中智能体使用通用终端工具（https://huggingface.co/papers?q=terminal%20tools）（例如 grep、文件读取、shell 命令、轻量级脚本）直接搜索原始语料库，无需任何嵌入模型、向量索引或检索 API。这种方法无需离线索引，并能自然适应不断变化的本地语料库。在 IR 基准测试（https://huggingface.co/papers?q=IR%20benchmarks）和端到端 agentic 搜索（https://huggingface.co/papers?q=agentic%20search）任务中，这种简单的设置在多个 BRIGHT 和 BEIR 数据集（https://huggingface.co/papers?q=BEIR%20datasets）上大幅优于强大的稀疏、密集和重排序（https://huggingface.co/papers?q=reranking）基线，并在 BrowseComp-Plus（https://huggingface.co/papers?q=BrowseComp-Plus）和多跳 QA（https://huggingface.co/papers?q=multi-hop%20QA）上取得了强劲的准确率，而不依赖任何传统的语义检索器。我们的结果表明，随着语言智能体变得更强，检索质量不仅取决于推理能力，还取决于模型与语料库交互的接口分辨率，DCI 为 agentic 搜索（https://huggingface.co/papers?q=agentic%20search）开辟了更广阔的接口设计空间。

查看 arXiv 页面（https://arxiv.org/abs/2605.05242）查看 PDF（https://arxiv.org/pdf/2605.05242）GitHub2（https://github.com/DCI-Agent/DCI-Agent-Lite）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2605.05242）

引用本论文的模型0

没有模型链接本论文

请在模型 README.md 中引用 arxiv.org/abs/2605.05242 以从此页面链接。

引用本论文的数据集0

没有数据集链接本论文

请在数据集 README.md 中引用 arxiv.org/abs/2605.05242 以从此页面链接。

引用本论文的Space0

没有 Space 链接本论文

请在 Space README.md 中引用 arxiv.org/abs/2605.05242 以从此页面链接。

包含本论文的收藏集0

没有收藏集包含本论文

请将本论文添加到一个收藏集（https://huggingface.co/new-collection）中，以从此页面链接。