论文页面 - 相关性的新角色：在智能体搜索中指导语料库交互

来源：https://huggingface.co/papers/2607.24223

摘要

相关性是一种基于查询的评估，用于判断文档或摘录是否包含有用证据。现有检索智能体利用相关性来选择top-k内容，但仅凭文档相关性无法定位、组合或验证复杂问题所需的证据。直接语料库交互（DCI）通过grep式探索实现这种细粒度操作，但其忽略相关性的搜索可能会过晚暴露有用线索，从而延迟收敛。近期进展利用相关性将语料库缩小为用于交互的工作空间。然而，一旦交互开始，相关性仍然无法直接指导grep先搜索哪些文档，也无法从大量匹配结果中区分出信息丰富的摘录，以便让LLM优先看到。我们提出了相关性感知RipGrep搜索智能体（RARG），它将相关性转化为语料库交互的执行优先级。RARG提供从粗到细的相关性指导：它对文档进行排序以实现顺序的’ripgrep’遍历，从而更早地暴露全局相关线索；用查询相关段落初始化有潜力的入口点；并对grep匹配结果进行重排序，以浮现文档级排序可能掩盖的信息丰富摘录。在具有挑战性的浏览问答和推理密集型检索任务中，RARG在准确率与效率的前沿上优于基于检索和直接交互的智能体。这些结果表明，相关性感知的交互能够实现更快、更可靠的搜索收敛。

查看arXiv页面 (https://arxiv.org/abs/2607.24223)查看PDF (https://arxiv.org/pdf/2607.24223)项目页面 (https://qdcassie-li.github.io/RARG/)GitHub23 (https://github.com/LeqsNaN/RARG)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2607.24223)

在你的智能体中获取此论文：

hf papers read 2607\.24223

没有最新CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型0

没有模型链接此论文

在模型README.md中引用arxiv.org/abs/2607.24223以在此页面链接。

引用此论文的数据集0

没有数据集链接此论文

在数据集README.md中引用arxiv.org/abs/2607.24223以在此页面链接。

引用此论文的Space0

没有Space链接此论文

在Space README.md中引用arxiv.org/abs/2607.24223以在此页面链接。

包含此论文的收藏0

没有收藏包含此论文

将此论文添加到收藏 (https://huggingface.co/new-collection)以在此页面链接。