标签
该论文提出 RASO（检索增强技能优化）框架，通过 Cross-Harness Adaptation 从外部技能语料库中检索先验知识来初始化和迭代优化 agent 技能，在四个 agent 基准和两个模型上显著优于无检索增强的基线方法。
本文提出了一种面向零样本时间序列预测的源头优先分类体系，对证据来源进行归类，并引入审计框架以提升基准评估的透明度。
本文提出了一个基于掩码临床语境的 SNOMED CT 概念推荐基准，比较了稀疏、密集和检索增强方法，结果显示在低资源环境中，稀疏 TF-IDF 表现最佳。
本文介绍了持久发现上下文，这是一个为数据智能体设计的轻量级记忆层，用于存储先前的意图到对象的映射，以增强跨任务的检索质量，在结构化数据环境中展示了改进。
一位为德国律所构建AI法律助手的开发者，详细列出了7种具体的LLM引证失效模式，以及为满足严格法律引证标准而采用的提示工程修复方案。
Lyzr Cognis 推出统一开源记忆系统，融合 BM25 与 Matryoshka 向量搜索并支持版本感知写入，在 LoCoMo 与 LongMemEval 基准上实现 SOTA。
分析Google AlphaEarth在1210万美国样本上的64维嵌入流形，揭示其非欧结构与向量算术失效，并构建具备几何感知工具的智能体系统，在环境查询上超越参数基线。
Skill-RAG 是一个故障感知的 RAG 框架，利用隐层状态探测和技能路由来诊断和纠正检索增强生成中的查询-证据不对齐问题。该方法检测检索失败并有选择性地应用目标技能（查询重写、问题分解、证据聚焦）以提高硬案例和分布外数据集的准确率。