retrieval

论文提出 SearchWeaver 框架，利用代理的执行轨迹和任务奖励自动联合优化语料表示、可执行工具与使用指令，从而改进代理式搜索的搜索接口设计。使用 GPT-5.4-nano 时，优化后的接口在 BrowseComp-Plus 上将答案准确率从 71.6% 提升至 78.4%，并在四个 BRIGHT 子集上将平均 nDCG@10 从 45.7 提升至 55.0。

KeenableAI（Keenable）凭借自建网页索引与基于 token 相关性打分的分块检索技术，在 Vals Web Search Index 排名升至第一（49.1%），其搜索 API 可通过 MCP 或 API 接入智能体，并能减少约 50% 的输出 token 且不增加延迟。

作者提议用小模型取代大型“无所不知”的 AI 模型，让小模型在由检索智能体构建、存储于外部的知识“地图”中导航，以存储空间换取内存，同时保持结果的可重复性。文章权衡了这一构想的利弊，并邀请大家参与讨论。

NVIDIA 扩展其开源 Agent Toolkit，新增 Agent Knowledge Foundation，并加入 CUDA-X 库、Auto-Ontology、Nemotron Retriever 和 Kumo 系列结构化数据模型，同时提供 OpenShell 运行时和 NemoClaw 蓝图，帮助企业将 AI 智能体与自有公司数据结合，并施加治理控制。早期采用者包括 Palantir、Databricks、Snowflake 和 Amazon OpenSearch Service。

一位实践者分享了将 agentic 工作流从演示环境推向生产环境的惨痛教训，重点包括静默失败的工具调用、长链路中的目标漂移、缺失的评测、检索问题比模型质量更关键，以及人工审批比自主性更有价值。

OpenAI 详细介绍了其如何为 ChatGPT 定制广告系统：采用经过后训练的自定义 LLM，结合工具调用架构完成检索、排序、相关性计算和竞价拍卖，支持有状态的广告会话，并将广告与回答生成完全分离。该系统已实现年化收入 10 亿美元，广告主数量超过 10 万。

本文评估语言模型智能体的上下文压缩方法在'后续问题'上的表现，发现针对当前问题选择的句子在后续问题上并不优于随机删除，而 LLMingua-2 等词级压缩方法在多个基准上表现更佳。

本文研究了针对4位文本嵌入模型（e5-base-v2、BGE-M3、EmbeddingGemma-300m）的学习式训练后量化校准方法，发现校准结果随更新的"剂量"不同，可能带来性能提升，也可能导致灾难性崩溃。为此，本文提出了一种基于验证门控的弃权规则，能够在保留绝大多数有益检查点的同时，避免选中有害的检查点。

论文提出 REM（可重用经验记忆）框架，通过在思考-行动循环中进行存储、回忆和遗忘决策来管理编码智能体的经验记忆，在 SWE-ContextBench Lite 基准上以更低成本取得 68.7% 的 match@1 和 27.6% 的任务解决率，超越了当前最先进的记忆系统。

本文介绍了 ComplianceAgent，它是 COMPASS 多智能体框架中的法律合规子智能体。该智能体利用大语言模型对照法律语料库对文本进行评分，结合纠错重写循环与人工升级机制，并在采用人工标注黄金标准的加拿大与魁北克法律语料库上进行了评估。

LightCRS 提出一个轻量级的查询条件化多域多模态对话推荐框架，仅用 5.3M 参数的模块实现跨域共享的证据融合；在新建的 25 域基准 MM-R2A-25 上，将 HR@1 提升 35.4%，并将每查询延迟降低 266 倍。

该论文提出将少量专家（SME）评判转化为密集奖励信号，并与检索指标结合成适用于 GRPO 的混合奖励，以解决非可验证领域（如金融服务检索）中稀疏奖励导致的梯度消失问题。实验显示 Recall@3 最多提升 6%，MRR@3 提升 6.7%。

Exa 发布 3.0 版本，称其在全部八项基准测试中排名第一，并新增低价搜索类型 Exa Lite（每千次请求 4 美元），同时将 Dynamic Highlights 正式开放并大幅扩展索引数据。

帖子解释了 RAG 中为什么既需要 embedding 召回又需要 rerank 重排：双塔模型编码快、可离线预计算文档向量，适合大规模召回但细节捕捉弱；交叉编码器逐对打分更准但计算昂贵，因此先召回后重排是必要的取舍。

亚马逊新论文提出 FEB-30 基准，包含 30 条预设事实历史（147 篇文档），揭示基于 QA 的 Agent 记忆基准可能掩盖损坏的记忆存储——两种评估方式平均相差 16.8 分，且在 21% 的案例中结论不一致。论文建议在每次更新后直接验证已存储的事实。

论文提出了MFM，一种多模态文件系统记忆架构，融合情景记忆、空间记忆、语义记忆、程序记忆与工作记忆，帮助长时程具身智能体复用经验，在Minecraft和计算机使用基准测试上，基于三种不同底座模型均实现了性能提升。

该论文提出了 QEMem 框架，将 LLM 检索的记忆重组为查询特定的证据集合，以弥合"相关性-充分性差距"，在 LoCoMo 基准上以 Claude Opus 4.5 达到 91.43% 的 LLM-judge 准确率，超越 MemR3 和 NEMORI 基线。

论文提出 GRSE（群体相对技能演化），通过重复执行并对比同一技能库下的多次运行，将共享团队奖励正确归因到具体的 agent-技能对上，从而改进协作式语言智能体的技能演化，在 HotpotQA 与 LoCoMo 上超越 MASkills 并能从有害技能中恢复。

该论文在混合语言模型中发现了一种"竞争学习"现象，即循环层和注意力层会竞争学习相同的功能，并提出了一种分阶段训练方法，在参数量高达 1B 的模型上提升了语言建模损失、常识推理和检索任务的表现。

SpecMRL 提出在参数化谱空间中重新组织特征以改进嵌入的前缀读出，在 MTEB 上以更少的嵌入维度超越标准 MRL 及其全维表现。