搜索、检查、获取：利用布尔检索赋能深度研究智能体

Hugging Face Daily Papers 论文
deep-research boolean-retrieval retrieval-agents language-agents token-efficiency nlp

摘要

本文介绍了SIEVE，一种搜索-检查-获取策略，利用布尔查询语言使深度研究智能体仅检索相关文档片段，在多个基准数据集和智能体主干上，以节省20.7%-50.6%的令牌数实现了更高准确性。

现有的深度研究智能体采用搜索-访问工作流，检索并读取整个页面，而未考虑网页源通过标题、标题层级、章节和元数据暴露的可寻址结构。这阻碍了智能体直接将检索约束到文档字段，并常常将无关页面内容带入其上下文。我们引入了SIEVE，一种由字段化布尔检索（BQL）驱动的搜索-检查-获取接口。SIEVE在文档字段上筛选候选结果，对符合条件的结果集进行排序，呈现富含结构的结果卡片以供检查，并且仅获取选定的片段。在三个问答数据集上，SIEVE在各自数据集上相较于最准确的常规搜索-访问配置实现了更高的准确性，同时使用的令牌数减少了20.7%-50.6%。进一步分析表明，BQL过滤改善了所有测试的排序器，并且这种准确性-上下文优势在检索器选择和智能体主干中均保持一致。代码和数据可在 https://github.com/ielab/skim-search-agent 获取。
查看原文
查看缓存全文

缓存时间: 2026/08/06 01:48

Paper page - 搜索、检查、获取：利用布尔检索实现深度研究智能体 来源：https://huggingface.co/papers/2608.02751

深度研究智能体通常检索并阅读整个网页，从而在无关部分浪费上下文。我们提出了 SIEVE，一种基于布尔查询语言（BQL）的搜索-检查-获取策略：智能体在文档字段（标题、章节、正文、日期等）上进行搜索以筛选符合条件的页面，使用任意标准排序器（BM25 / 稠密 / BM25+稠密）对候选集合进行排序，检查带有查询聚焦摘要片段的结构丰富型结果卡片，并且只获取所需的特定章节，而不是整个页面。

为了公平测试，我们构建了 HotpotQA、MuSiQue 和 BrowseComp-Plus 的成对扁平/结构化版本，使得相同内容可以在有或无可寻址结构的情况下访问。SIEVE 在所有三个数据集上的准确率均超过最强的传统搜索-访问基线，同时使用的 token 减少 20.7–50.6%，并且这些收益在不同排序器和三个不同的智能体主干（Tongyi-DeepResearch、Qwen-AgentWorld、OpenResearcher）中均保持一致。

代码：https://github.com/ielab/skim-search-agent

相似文章

超越语义相似性：通过直接语料库交互重新思考智能体搜索的检索

Hugging Face Daily Papers

论文提出了直接语料库交互（DCI），这是一种新颖的方法，允许AI代理使用标准终端工具直接查询原始文本，而不是传统的基于嵌入的检索。通过绕过固定的相似性接口和离线索引，DCI在多个信息检索和智能体搜索基准上显著优于传统的稀疏、密集和重排序基线。