标签
一篇社交媒体帖子称赞 Jev AI 模型是一个新范式，具有大规模检索、AI推荐系统和实时交易等潜在应用，尤其是在与 OpenCLI 配合使用时。
ORDER 引入了一个框架，该框架根据查询动态调整 RAG 系统中的索引和检索策略，从而在专家领域提升性能。
本文详细描述了一项为期25周的AI智能体记忆系统实验，该系统采用情景记忆和语义记忆，并进行每夜整合，避免在记忆晋升过程中使用LLM，并使用四张独立的图分别表示关联、证据、因果和随时间变化，同时突出了如吸引子盆地等会降低检索效率的缺陷。
本文比较了适用于AI代理的网络搜索API，评估了Serper、Brave、Exa、Firecrawl和Tavily等选项，基于它们在SEO跟踪、语义发现和全内容提取等任务中的适用性。
本文介绍了LoCoMo-Conv，一个对话记忆基准，用于评估长期对话代理中使用不同查询风格的记忆检索和响应质量，揭示了现有QA基准中的差距，并建议基于推理的记忆细化作为一个有前景的方向。
本文提出了一种基于强化学习的蒸馏框架，用于训练紧凑的指令遵循重排序器。该框架使用离策略GRPO增强教师模型，并通过基于策略的蒸馏训练学生模型，在分布偏移下展现出优越性能。
CaSKG提出了一个反事实因果技能图框架，用于校准过程关系，增强针对LLM智能体的紧凑和可执行技能检索，并在ALFWorld和ScienceWorld等基准测试中展示了性能提升。
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。
Garry Tan 强调了一种独特结合关键词匹配、图遍历和差距分析的检索系统，这种做法在其他地方未见。
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。