标签
RouteDRAG 是一个基于学习的框架，用于在多模态文档检索增强生成（RAG）中决定是否调用智能体及其执行路径。在两个基准测试中，相比仅使用短路径执行，平均提升了 3.47 个百分点，且仅将 79.3% 的查询分配给智能体。
本文研究了将 LLM 推理与密集检索器相结合、通过 ReAct 循环完成复杂检索任务的智能体式检索方法。实验表明，该方法在 nDCG@10 上比标准检索提升 8.7 分，并在 ViDoRe v3 和 BRIGHT 排行榜上展现出良好的泛化能力，但代价是每条查询平均耗时 107.4 秒、消耗 764K 输入 token。
PatchHolmes 已被 AACL-IJCNLP 2026 接收，它采用 agentic 列表式选择方法，将软件漏洞与其修复 commit 进行配对。在冻结的开源权重模型上，该方法每次查询读取约 96k tokens，让智能体通读完整候选列表，从而在 Recall@1 上达到 59.95%，远超逐点基线的 34.61%。
CoVeR 是一种基于覆盖的路由方法，在代理检索系统中将 LLM 验证器调用减少了 62-68%，同时在多跳问答基准上保持准确性。
TRACE是一个无需训练的智能体检索框架，专为历史数字档案中的可问责来源发现而设计，在基准测试中以每问题低成本优于RAG基线。
InsightEmb 是一种用于智能体洞察检索的对比嵌入框架，仅通过数学推理数据即可学习面向进展的检索几何结构，从而在无需环境特定训练的情况下改进 LLM 智能体的检索效果。
LlamaParse 引入了新的文档检索端点，包括混合搜索、文件 grep、文件 find 和文件 read，旨在提高非结构化文档上的智能检索质量。
Jerry Liu强调了将智能体检索系统投入生产时所面临的工程挑战，指出成功的关键在于对分块、同步、重排序、工具API设计等细节进行精心调优，而非依赖新颖的技术。
NVIDIA发布Nemotron 3 Embed，这是一组开源嵌入模型，在RTEB排行榜上名列前茅，包括一个80亿参数的旗舰模型以及适用于生产规模检索的高效10亿参数变体。
LlamaIndex 创建了一个用于现代智能体检索的 Retrieval Harness，提供了持久化数据管道，用于连接、索引和查询大型知识库，并配备语义搜索和正则表达式 grep 等工具，使智能体能够自主导航知识库。
一篇博客文章重新审视了在智能检索（agentic retrieval）背景下的“慢搜索”概念，认为可以牺牲每次查询的延迟来换取更好的检索质量，从而减少AI代理的整体任务时间和成本。
介绍了Infini Memory，一种用于LLM智能体的可维护基于文本的持久化记忆架构。它使用主题结构化文档和迭代检索来改进长期记忆使用，在MemoryAgentBench上达到了64.7%的得分。
MemDreamer 通过分层图记忆和代理检索解耦长视频理解中的感知与推理，在降低计算开销的同时实现了最先进的性能。
本文介绍了由五个传感器专用Mini-JEPA基础模型组成的舰队，用于水文智能，实现了高重建精度（R²高达0.97），并在通过LLM代理路由的物理匹配任务上超越了Google AlphaEarth通才模型。