需要搜索时搜索，可靠时继续：面向高效智能搜索的元认知可靠性监督
🧭 Agentic RAG 搜索决策强化学习 ★ 深度解读
Beijing Institute of Technology
用局部结论的序列不确定性估计可靠性，为搜索/不搜索决策构建过程奖励，在 GRPO 中提升搜索效率与准确率
📌 工作参考价值（4 点）
- 将局部结论的 sequence uncertainty 作为可靠性信号，可用于对话推荐/购物助手中判断模型对中间结论的自信程度，决定是否调用商品知识库、搜索或 RAG；无需额外标注，推理时零开销。
- 对“搜索/不搜索”决策分别设计 process reward：不搜索时奖励高于校准阈值的可靠性，搜索时奖励检索前后可靠性的增量，而非只看最终答案是否正确；这能直接迁移到 Agent 工具调用策略的强化学习训练。
- 用 matched probes 估计 counterfactual reliability change，可推广到其他工具调用：固定同一状态，比较有/无工具返回结果的可靠性差异，作为工具价值的无偏监督。
- 实验结果提供可复用结论：该策略在 single-hop 查询上减少约 20.9% 搜索调用，multi-hop 上增加 6.6%，说明可按问题复杂度动态分配检索/工具调用，适合电商搜索中查询类型分流的成本优化。
Tessera：面向 Web RAG 的结构补全证据单元
🧭 RAG 结构化证据交付优化 ★ 深度解读
The Chinese University of Hong Kong, Shenzhen · The University of Hong Kong · Beijing University of Posts and Telecommunications
训练无关的证据交付层，将检索页面重建为结构完整的证据单元，文本/截图/Agentic RAG 提升 5-6 点准确率
📌 工作参考价值（4 点）
- 电商详情页/商品参数表在 RAG 中常因提取或固定 chunk 丢失表头、价格、规格等结构化证据。可借鉴 Tessera 在 query-time 从原始 HTML 重建“标题路径+表头+行”的证据单元，用 cross-encoder 选相关行打包进一个 token 槽，保留 top 检索结果中的 prose。
- Agent 多跳搜索（如选品、竞品分析）可在每次 search 工具返回中加入该层：替换最后一个 doc 为结构补全的单元块，不仅提升准确率，还让 agent 少搜索、上下文更短（FRAMES +5.2，搜索次数 2.41→2.19）。
- 对多模态/截图索引同样有效：用 top tiles 定位页面，再从 HTML 构建单元替换最后一个 tile，比单纯增加 tile 数量更省 token 且更准；适合在截图索引上叠加，无需重建索引。
- 工程实现：单元构建可离线缓存 per page，query 时只需解析少量 anchor pages 和 cross-encoder 打分，新增成本低（15ms CPU/页 + 0.2 GPU-s/query）；可作为现有 RAG pipeline 的即插即用层，不改变 index/retriever/reader。
ACARE：面向迭代搜索的智能体上下文感知重排器
🧭 Agent 搜索 · 上下文感知重排 ★ 深度解读
University of Waterloo · NVIDIA
用原始问题与推理轨迹解释子查询的 4B 点式 LLM 重排器，提升 agentic search 检索质量并减少搜索次数
📌 工作参考价值（5 点）
- 会话/Agent 搜索中的子查询不能孤立评分：电商搜索、对话式推荐里用户当前 query 往往省略背景，reranker 应把会话级原始意图和已有推理轨迹作为上下文一起输入，而不是只对当前 query 打分。ACARe 的 M0–M3 模式设计可直接复用到客服机器人、多轮搜索、Agent 选品等场景。
- 单 checkpoint 兼容多 context 模式，工程落地友好：通过独立 context dropout（原问题与推理轨迹各以 0.5 概率丢弃）训练，同一个 reranker 支持有/无推理轨迹、有/无原始问题的部署。这对 proprietary agent 不暴露 CoT、或线上隐私限制的场景很有价值，不需要为不同上下文可用性维护多个模型。
- 点式评分避免 listwise 滑窗，适合长候选列表：用 LLM 对 query–doc 对独立输出 yes/no logit difference，推理时 sigmoid 保序，无需 sequential sliding window，可并行处理大量候选。在电商搜索/推荐精排阶段，若候选量大且需低延迟，可以把类似轻量 4B reranker 作为并行精排器。
- 小 agent + 强 reranker 可以显著缩小与大模型的效果差距：论文中小模型搭配 ACARe 后，分别缩小 51–74% 的 nDCG@10 差距，远高于 base reranker 的 26–46%。这提醒业务上可以用低成本小 agent 加上高质量检索工具，用更低 API 成本逼近大模型效果。
- 训练数据构造可借鉴：用 oracle reranker 基于原问题+gold answer 对 agent 子查询的候选文档排序，取 top 正样本、bottom 负样本，再以 final answer 是否与 gold answer 一致过滤轨迹。这种利用 agent trajectory 自动挖掘弱监督样本的方式可迁移到电商搜索的 query 改写/召回/精排监督数据扩产。
PatEx-Gym：面向专利审查新颖性评估的智能体现有技术搜索框架
🧭 Agentic 搜索与轨迹合成
中国科学院深圳先进技术研究院 · 中国科学院大学 · 大连理工大学 · 深圳理工大学
构建专利审查 agent 基准与轨迹合成方法，训练 4B 模型在现有技术搜索上接近大模型效果
📌 工作参考价值（4 点）
- PASS 以文档访问作为隐式相关性信号来自动合成搜索轨迹，无需人工标注；可借鉴到电商搜索中，用用户点击、停留、加购等行为日志构造 agent 训练数据，省去昂贵标注
- 将搜索过程分解为 query 内部行为、query 间进展、轨迹级证据质量三个层次，可迁移到商品对比、选品 Agent 的 reward 设计或数据筛选，提升搜索策略学习效率
- 4B 小模型仅靠 SFT 合成轨迹即可达到大模型 agent 的竞争性能，适合业务中低延迟、低成本的部署约束，可先训一个轻量 agent 再逐步扩展
- 其 harness runtime 支持迭代搜索、文档访问、OA 生成的完整闭环，对搭建自营 agent 评测环境有参考意义，尤其适合需要复杂检索和推理链路的场景
OpenSaC：面向深度研究智能体的 Search as Code Python 库
🧭 深度研究 Agent · Search as Code ★ 深度解读
Renmin University of China · National University of Singapore
开源 Python 库 OpenSaC 将搜索、抓取、重排、LLM 调用组合为可执行程序，使 Codex 类智能体做深度研究时显著节省 token 与时间
📌 工作参考价值（4 点）
- 在电商/广告深度研究型任务（竞品调研、商品参数多源比对、落地页批量解析）中，可将“搜索→抓取→重排→LLM 字段抽取”封装为可组合 SDK，由 coding agent 一次写成批量程序执行，避免 ReAct 逐条交互，显著降低 token 与 wall-clock 时间。
- 统一返回结果并保留 URL/来源标识，天然适合需要可追溯证据的选品、价格监控和广告素材合规审查；把中间文件落盘到 workspace 可复用，避免重复抓取。
- provider 可替换和批处理容错设计（batch 保持顺序、返回 per-input errors、部分成功）值得直接借鉴到推荐/搜索的离线数据生产：批量 query 生成、召回通道调用、rerank 评估都可以做成可配置后端和可重试代码单元。
- 若业务已有编码 agent（如 Codex/Claude Code），可模仿其 skill 机制增加内部“检索/数据获取”技能卡，显式教授 agent 何时 batch、何时保留 full source、何时只返回高置信片段；这种方式比硬编码 pipeline 更灵活且可调整。
从交付到有状态探索：重新思考 Agentic 搜索的索引
🧭 Agentic Search 索引原生交互接口 ★ 深度解读
Yonsei University
提出 INDEXACT 索引原生接口，将候选集细化与源文本检查分离，用可复用状态与统计反馈提升多跳搜索证据发现并降低上下文占用
📌 工作参考价值（4 点）
- 在电商/广告 Agent 搜索中，可借鉴“候选集引用 + 统计反馈”解耦：工具返回 SetRef 和候选集大小/条件命中数，而不是直接返回商品或文档列表，减少模型上下文浪费，尤其适用于多轮筛选和长程导购场景。
- 状态化集合操作（FILTER/INTERSECT/UNION/DIFFERENCE）可复用中间候选集，避免重复检索；电商商品库筛选（类目、品牌、价格区间）天然适合基于倒排索引的布尔/位置条件，工程上可直接基于 Lucene 构建，成本较低且可扩展。
- 精确统计（COUNT_DOCS）优于二进制空/非空：实验显示二进制反馈准确率从 74.0 降至 62.0，精确计数让 Agent 判断条件是否过窄/过宽，辅助其决定继续过滤还是读取证据，可应用于导购 Agent 的条件探索。
- 细粒度读取（AROUND/DOCUMENT/RANGE）按需返回局部上下文，避免自动注入无关文本；Agent 可用 AROUND 定位关键词周边内容验证证据，减少非证据 token 占比，提升长上下文稳定性。
可编程搜索智能体：从查询改写扩展到候选处理与证据呈现
🧭 Agent 搜索接口 · 程序化候选处理与证据呈现 ★ 深度解读
Zhejiang University · Yuanbao Team, Tencent · Peking University
提出 Programmatic Search Agent，以可执行程序单元组织搜索动作，统一候选工作区、原语组合与选择性证据呈现，提升成功率并显著降低 token 消耗
📌 工作参考价值（4 点）
- 把“保留候选”和“呈现证据”解耦：在电商搜索/推荐 Agent 中，让检索/召回结果作为可寻址对象持久化在工作区，LLM 只接收程序选择的精简 notes，不把完整候选全部塞进 prompt。可直接复用上一轮 product pool 做 filter/rerank/extract，减少重复召回和上下文膨胀。
- 用可组合原语代替单一 search(query) 工具：定义 retrieve/filter/rerank/extract/dedupe 及变量引用，让 Agent 生成一个 cell 表达“过滤上一轮池子 → 条件补召 → 合并去重 → 重排 → 抽取证据”的依赖链；避免多轮 tool call，适合多跳商品属性/活动规则验证等场景。
- 审计 evidence-delivery gap：线上 RAG/搜索链路常出现“文档已经进候选但未透出给模型”。可离线回放轨迹，统计支持性证据是否进入 extraction 候选却未返回；对完全遗漏做同页补全的消融，能量化呈现瓶颈并指导界面改造。
- 交互预算下优先做程序化动作：如果决策轮次或成本受限，PSA 在 30-50 decision 预算下比 query agent 成功率高 11-13pp 且 final-step tokens 省 38-41%。在商品搜索助手里，可把多个确定性操作（去重、重排、按条件筛选）合并进一个可执行 cell，只在需要语义判断时回到 LLM。
ScholarCatalyst：检索能启发新研究的论文的基准
🧭 科学文献检索基准与Agent评测
Stanford University · Seoul National University · University of Washington · Carnegie Mellon University · Allen Institute for AI
构建207篇论文的作者标注检索基准，揭示Agentic搜索未超越嵌入检索（R@20 0.42 vs 0.48）
📌 工作参考价值（4 点）
- 对搜索/推荐中的复杂长尾查询，不要盲目叠加 Agentic 循环：强嵌入检索 + 合理 rerank 可能已达上限；应优先优化底库 embedding、索引和 query 理解。
- 用“项目完成者回看哪些早期论文真推进了项目”的方式构建评估集，能捕捉比点击/相关性更接近“灵感价值”的主观相关性；电商推荐可借鉴让业务 owner 标注哪些商品/内容真正影响决策。
- 时间切分很重要：论文基准只允许检索项目开始前的文献，对应推荐/搜索中训练与评测需严格按 timestamp 切分，避免未来信息泄漏。
- 自动标注 pipeline 通过 author 标注+理由生成可规模化，可用于构建需要专家判断的检索/排序训练语料，帮助模型学习领域专家直觉。
跟随实体：面向 Agentic Search 的语料地图
🧭 Agent 搜索 · 实体导航层 ★ 深度解读
KAIST · Microsoft
以跨文档实体为锚点构建离线可复用导航层，提升多文档 Agent 搜索证据发现并降低 token 消耗
📌 工作参考价值（4 点）
- 把经常跨文档出现的业务实体（商品、活动、商家、项目）离线解析成 Entity Page，作为 agent 可读文件挂到原语料旁；查询时让 agent 从实体页跳到相关文档，而不是每次都重新 grep/搜索，能稳定节省 34%–57% token。
- 构建实体-文档二部图，而不是树形分类；同一文档可挂在多个实体下，避免 Corpus2Skill 这类层次聚类把相关证据拆散的问题，电商知识库中「活动/商品/商家」多对多关联尤其适合。
- 离线构建可用 GLinker/GLiNER 等无 LLM 方案替代，成本低且可跨 LLM 复用；新增文档时增量更新 registry 并只重渲染受影响 Entity Page，适合持续增长的电商文档/工单/商品库。
- Entity Page 将事实逐条归因到源文档，agent 读取页面后能沿链接打开源文档验证，减少幻觉；也可作为权限/隐私过滤边界，按权限生成分离 map。
面向 Agent 搜索的交互感知检索
🧭 Agent 搜索 · 交互感知稠密检索 ★ 深度解读
The University of Queensland
提出交互感知检索器 ITER，用历史查询与轨迹相对监督提升 Agent 搜索证据发现
📌 工作参考价值（4 点）
- 在电商/导购 Agent 的召回或重排中，可将「主需求 + 当前 query + 已尝试 query 序列」作为排序输入，显式告知模型已探索方向；即使不换模型，也能减少已看商品/答案的重复置顶，优先曝光能补充新信息的候选。
- 从用户或 Agent 轨迹构造三层负样本：已点击且有效作为冗余负样本（最高权重，如 3.0），已点击无效作为困难负样本（1.0），曝光未点击作为弱负样本（0.3）。这比传统随机负采样更贴合“边际增益”目标，适合精排/重排阶段。
- 工程上可采用去重式结果接口：把已曝光/已点击的 item 移到侧栏但仍可访问，不占主列表坑位，从而提高后续 step 的新候选覆盖率；论文中该设置带来 26.7% 的延迟访问正样本，对推荐/搜索 Agent 同样有借鉴意义。
- 跨模型迁移时，避免把 free-form pre-search reasoning 作为核心特征；不同 LLM 表达差异大，AgentIR 虽然 search recall 高但 task success 不稳。结构化历史（主 query + 子 query 序列）具有更好的跨 backbone 鲁棒性，更适合多模型混用的线上环境。
EviGraph：面向信息搜索智能体的可验证证据构建
🧭 Agent 搜索证据图与过程奖励 RL ★ 深度解读
WeChat, Tencent Inc., Beijing, China
将智能体网络搜索重构为可验证证据图构建，以共享策略分离搜索与证据记录，用稠密过程奖励直接监督证据基础
📌 工作参考价值（4 点）
- 对电商导购/搜索 Agent：把「检索到的商品或卖点」与「用户查询约束」显式建图，每个卖点必须锚定来源 span 并标记 support/conflict；可避免用相关但时间、地区、数值错误的页面回答，适合商品事实校验、选品问答、推荐理由生成。
- 采用「冻结 verifier + 确定性 structural validator + 可学习 policy」的分离架构：把不可靠的语义判断和结构化校验分开，policy 只提图编辑请求，错误可局部归因；工程上可用规则引擎做图校验，降低对单一 LLM 的依赖和幻觉。
- 过程奖励设计可迁移：coverage 用 potential-based shaping，配合 canonical signature 去重、per-triple bonus cap、KL penalty，能抑制 reward hacking 和重复记录；可用于训练搜索/推荐 Agent 的中间 grounding。
- 多约束查询可拆成 candidate–constraint claim，每个 tag 独立追踪 MISSING/SUPPORT/CONFLICT，适合电商商品属性（产地、年份、价格、代言人）验证和 push 文案事实核查，让 Agent 明确知道还缺哪些约束。
直接语料交互中的证据盲区与 AtlasNav 持久化导航
🧭 Agent 有限预算语料导航 · 持久化多视图 Atlas ★ 深度解读
提出 Evidence Blindness 四阶段诊断，并用持久化多视图语料图谱 AtlasNav 把有限预算的 agentic search 从反复探索转为可复用导航
📌 工作参考价值（4 点）
- 离线为商品/内容/企业知识语料构建持久化多视图结构：Topic、Identity、Episode、Relation，再与 BM25 做加权 RRF 融合，供 Agent 查询时自适应路由；避免每个 query 动态重建 workspace，能显著降低在线 token/cost。
- 用 Evidence Blindness 漏斗（Construction→Surface→Open→Locate）做过程诊断：不只追踪最终答案，还追踪相关商品/属性/证据片段是否被 surface、open、locate 到模型上下文，可定位静默失败。
- 保留原语料直接读取与全文检索，不做 query 条件剪枝，而是通过共享层级 + region anchors + cross-region bridges 导航；适合电商/广告中长尾商品、合规要求高、多跳关系推理等场景。
- Query-adaptive router 可用语料自监督任务训练：单文档/pair/triple 构造，parent-disjoint split，无需人工业务标注；轻量线性 router 学一组语义+词法通道权重，可直接迁移到搜索/推荐入口的混合召回。
VisDocAgentBench：面向视觉富文档检索的智能体基准评测
🧭 多模态文档检索智能体评测 ★ 深度解读
Peking University · Alibaba Group
提出视觉富文档检索基准，暴露强静态检索在桥接证据上近乎失效，而工具智能体可恢复但依赖规划器与视觉表示
📌 工作参考价值（4 点）
- 电商/广告搜索中，商品详情页、广告落地页、海报等视觉富文档不能只用 OCR 文本召回；强视觉 late-interaction 检索（如 Nemotron ColEmbed）对直接匹配收益巨大，但面对需要上下文消歧的查询会失效。建议将强视觉检索作为 discovery，叠加 Agent 的迭代检查与证据重排序。
- 同一 index/tool 接口下不同 planner 的 R@1 从 19.17% 到 67.50%，说明单纯接入工具不等于有效检索；应重点优化 planner 的搜索改写、检查策略和最终排序，并利用 trace 诊断失败在 discovery、examination 还是 ranking。
- 页面/图片 inspection 是最大增益点（去掉后 R@1 掉 15.8/21.7 点），因此多模态 Agent 必须保留原始视觉图，不能只用 OCR 文本或 caption；on-demand OCR/crop 可做局部验证，但要平衡全局探索，否则长链路性能会反弹。
- 对需要多跳证据的查询，给 Agent 提供完整 support context 能显著提升 R@10；业务可实现为初期附加候选 support pages 或引入 evidence-role aware 状态，避免模型被表面相似项锚定。
通过多智体协议蒸馏弥合闭源与开源Agent搜索的分布鸿沟
🧭 多智体协议蒸馏 · Agent搜索 ★ 深度解读
University of Chinese Academy of Sciences · Tsinghua University · Peking University · Beijing Institute of Technology
提出结构化JSON协议作为中间表示，将闭源多智体的推理策略蒸馏到开源学生模型，显著缓解风格漂移和幻觉。
📌 工作参考价值（4 点）
- 用结构化协议替代原始文本进行蒸馏：在Agent搜索场景中，直接模仿闭源模型的自然语言轨迹会导致灾难性的风格漂移和幻觉，业务上若想用GPT/Claude蒸馏小模型，务必把推理过程抽象为JSON、流程图等结构化中间表示，剥离语言风格。
- 离线多智体合成高质量训练信号：用多智体系统（编排者+搜索者+修复者+协议者）提前生成高质量推理协议，训练时只复用协议，不增加在线推理开销。这种模式可迁移到电商导购Agent的多轮决策合成：用强模型离线生成“商品推荐-推理-校验”协议，蒸馏到线上轻量模型。
- 在线自蒸馏与RL的联合训练配方：将结构化协议作为特权信息（privileged information）输入教师分支，与学生分支做token级KL对齐，同时叠加GRPO稀疏奖励，λ=0.05附近是甜区。业务中复现类似流水线时，可直接参考该联合损失权重调优经验。
- 跨教师模型的可迁移性：结构化协议对不同闭源教师（Claude/GPT/Gemini）都有效，方差极小，意味着后续替换底层LLM API时无需重新调参，可大幅降低迭代成本。
相关性新角色：引导智能搜索中的语料交互
🧭 相关性引导的语料库交互代理 ★ 深度解读
Tencent · Institute of Information Engineering, CAS
RARG 将检索相关性转化为 grep 遍历的文档顺序与匹配片段重排信号，以更少交互步数提升搜索收敛效率
📌 工作参考价值（4 点）
- 把相关性当作执行先验，而不是证据通道：在电商搜索 Agent 中，可以用稠密检索对商品池做文档级排序，让 grep/关键词匹配按此顺序遍历，使高相关商品优先被检索，减少无效扫描。
- 提供入口点初始化加速收敛：为 Agent 提供少量 top 相关段落作为启动线索，避免冷启动时的盲目搜索，可类比在推荐对话系统中先给出若干候选商品摘要，快速进入验证阶段。
- 匹配级重排弥补文档级排序的粒度不足：当关键词匹配输出被截断时，用嵌入模型对匹配片段重排，使埋在低排名文档中的关键信息也能暴露给 LLM，可在商品标题/详情片段高频匹配的场景下保留重要长尾证据。
- 利用工具设计约束引导模型行为：通过引入 embed_recall 工具和 scope 文件，将多步检索显式化为有序管道，避免模型滥用耗时的全量遍历命令（如 ls/find），该模式可用于约束 Agent 在大量候选中进行有序探索。
CIR 在 iKAT SCAI 2026：探索代理式对话搜索中的澄清需求预测
🧭 代理式对话搜索 · 澄清需求预测
TH Köln
构建代理式对话搜索系统，比较两种澄清需求预测模型在混合主动搜索中的效果
📌 工作参考价值（4 点）
- 代理式架构将检索、重排序、生成等组件工具化，由编排代理统一调度，这种设计可直接复用到对话推荐系统，实现多轮交互中的灵活工具组合与状态管理。
- 澄清需求预测模型可作为对话推荐的关键触发器：在商品属性模糊或用户意图不确定时，主动生成确认性问题（如“您更看重价格还是品牌？”），提升推荐精度与用户体验，尤其适用于高客单价决策场景。
- 采用轻量级 BERT 变体做二分类判断“是否需要澄清”，工程上易于集成进现有搜索/推荐 pipeline，延迟低，可作为强化学习智能体的 reward 信号或规则的前置条件。
- 混合主动（mixed-initiative）模式让系统在必要时介入提问，而非完全被动响应，平衡了自动化与人工干预，可降低推荐冷启动和长尾 query 的失败率。
AutoIndex：学习可执行的文档表示程序以优化检索索引
🧭 Agent驱动的检索索引优化 ★ 深度解读
University of Massachusetts Amherst · Databricks Mosaic Research
将文档索引视为可优化程序，用Agent迭代搜索最佳预处理代码，BM25召回提升8.4%+
📌 工作参考价值（4 点）
- 把文档预处理当成可优化程序：不只调chunk大小，而是用Agent搜索对检索最有益的文本变换（抽取、重加权、去噪），商品详情页可自动提炼标题、属性、卖点来提升搜索召回。
- Agent诊断失败案例驱动优化：借鉴双Agent设计——分析Agent检查哪些查询未能召回目标商品，代码Agent生成对应预处理规则；分离关注点，避免上下文过载。
- 离线指标指导迭代选择：固定BM25，用Recall@100作为优化信号，每次迭代重建索引并验证，自动保留有效改进；工程上可集成到索引构建流水线，定期更新表示策略。
- 对BM25的特化技巧可迁移：通过重复重要字段（如电影情节、演员表）模拟字段加权，过滤特定标记（LaTeX）降低噪声，类似方法可用于处理电商文档中的重复广告语、HTML标签等。
静态检索效用无法预测多步 Agent 搜索中的因果效用
🧭 多步 Agent 搜索中的检索效用评估
University of Calcutta · Missouri University of Science and Technology
在多步 Agent 搜索中，静态低相关文档可能通过提供区分性实体成为关键的“桥梁证据”，静态效用与因果效用近乎独立。
📌 工作参考价值（4 点）
- 构建 Agent 检索模块时，不能用传统静态指标（如 NDCG）评估文档价值，应引入反事实评估（移除文档观察最终答案变化）来识别“桥梁文档”。
- 在电商对话助手等多步 Agent 场景，重视文档的“行动效用”：设计机制让 Agent 从文档中提取区分性实体（如属性、品牌），用于重定向后续搜索。
- 借鉴 CTU 指标（综合最终答案质量、下一步检索质量、步数变化）来全面衡量文档对 Agent 轨迹贡献，而不只看单步问答匹配。
- 训练检索模型时，可利用 Agent 交互数据生成反事实效用标签，直接学习检索对最终任务有用的文档，而非仅优化静态相关性。
将 Agentic Search 引入地球观测数据发现
🧭 Agent 驱动的搜索与重排序 ★ 深度解读
University of Maryland, College Park · University of Florida
利用论文-数据集引用图构建超大评估集，并通过 NN-SSC 域修正+BM25 融合及 Agentic 工具调用将检索精确率提升超 5 倍
📌 工作参考价值（4 点）
- 借鉴引用图谱构造评估集：如将用户实际购买/点击的物品作为 silver label，构建百万级 query-item 对，低成本获得高质量的离线评测数据。
- NN-SSC 轻量域适应：冻结通用 Encoder，仅训练一个 3 层 MLP 头（46 万参数）修正域偏移，可快速部署到任何已有向量召回服务上，成本极低。
- 混合检索的解析融合权重：利用训练集上各检索支路的性能之比（π_n/(π_ℓ+π_n)）自动计算融合系数 α，无需网格搜索，直接用于 BM25+向量分数的凸组合。
- Agentic 重排序提升 GMV：在候选集确定后，让 LLM 自主调用商品百科、用户问答、外部网页等工具补充上下文，可有效解决长尾 query 和歧义商品的排序问题，尤其适合高客单价决策场景。
基于工作流归纳的多轮智能体科学文献搜索
🧭 Agent 工作流生成 · 多轮搜索
University of Illinois Urbana-Champaign · Together AI · University of Pennsylvania · Stanford University
PaperPilot将多轮文献搜索构建为可执行、可编辑的DAG工作流，结合用户反馈实现高效可控的搜索对齐
📌 工作参考价值（4 点）
- 将搜索过程显式化为可编辑的DAG工作流（关键词搜索→引用扩展→过滤→重排序→证据提取），可为电商搜索/推荐Agent提供可解释、可调控的交互式搜索链路，便于开发者调试与用户定制。
- 利用用户反馈调整工作流结构（如增加查询扩展或调节评分权重）的思路，可迁移到电商多轮查询改写与召回路自适应，例如基于前一轮推荐结果的隐式反馈动态插入过滤或重排序模块。
- 训练采用监督工作流模仿（从人工工作流中学习）与偏好优化（对生成的工作流进行可控破坏并学习偏好）的组合方式，可借鉴到电商工具调用Agent的训练中，提升工作流生成的准确性和执行稳定性。
- 工作流执行错误率从9.5%降至0%，表明显式结构化调用比纯推理更可靠；在电商客服、导购助手等场景中，可设计类似的结构化操作链，降低非法操作风险，提升系统鲁棒性。
DR-DCI：通过动态工作空间扩展实现可伸缩直接语料交互
🧭 Agent 搜索接口 · 检索与直接语料交互结合 ★ 深度解读
University of Toronto · Texas A&M University · University of Waterloo · UC San Diego · Verdent AI
将检索重塑为 Agent 可调用的 pull 动作以扩展本地工作空间，使 DCI 终端操作仅作用于已拉取文档，平衡大规模语料探索与细粒度证据验证。
📌 工作参考价值（4 点）
- 检索即工作空间动作：在商品搜索/推荐 Agent 中，可将检索接口设计为 pull(query, topK)，根据推理中间状态动态拉取候选，而非固定一次性检索，适应多轮证据收集。
- 预览 + 本地 DCI 双阶段设计：拉取后返回 ranked preview 供 Agent 快速定位，同时保留 grep/read 等终端式命令在已拉取文档内进行跨文档比较与验证，可迁移到需多商品对比或约束过滤的场景。
- 工程化工作空间管理：拉取的文档存储为扁平目录、唯一文件名并提供统计信息，避免路径混乱和重复，降低 Agent 误操作；可利用现有 BM25 等轻量检索器作为后端，降低建设成本。
- 失败恢复机制：低置信度 + 显式 abstain 时，保留工作空间但重置推理上下文进行二次验证，能以极低成本（$4.44 恢复 17/49 个错误）提升准确率，适合高价值决策场景。
Critic-R：用自然语言内省反馈改进代理搜索中的检索瓶颈
🧭 Agentic Search · 推理时检索反馈优化 ★ 深度解读
University of Massachusetts Amherst
引入批评模型判断检索是否满足推理需求，结合推理时查询重写与无标注对比学习，显著提升多跳问答性能
📌 工作参考价值（4 点）
- 推理时检索质量修复：无需修改现有检索模型，仅引入一个独立的批评模型判断检索结果是否满足当前推理步骤，并基于不满足的反馈重写查询。在电商搜索或对话推荐中，当检索结果不相关或信息不足时，可直接使用此机制动态改进查询，提升最终答案准确性。
- 无标注检索器微调：利用代理轨迹中的正例（被推理模型接受的文档）和硬负例（被拒绝的文档）构建对比学习数据，无需人工相关度标注。该方案可用于训练电商领域的稠密检索器，尤其适用于缺乏标注数据的场景，且能显著超越端到端联合训练的检索器。
- 内省反馈作为关键监督信号：批评模型必须基于推理模型的思考过程（而非仅查询-文档对）来判断检索质量。在应用时，应保留推理链中的自然语言反馈，将其作为后续模型优化或数据筛选的重要输入，能大幅提升训练信号纯度。
- 解耦判断与改进：将“检索引擎是否满足需求”的判断与“如何改进查询”分开为两个独立的提示步骤，可提高稳定性并避免不必要的外部调用。实现类似系统时可复用这种解耦设计，减少推理开销并提升灵活性。
Co-ReAct：将评估标准作为ReAct智能体的步骤级协作者
🧭 Agent 步骤级评估标准引导 ★ 深度解读
Qwen Applications Business Group of Alibaba · Tsinghua University
训练一个基于评分标准的生成器，以步骤级方式指导ReAct智能体的搜索决策，并通过列表式GRPO优化与专家排名的一致性，显著提升深度研究任务性能。
📌 工作参考价值（4 点）
- 电商搜索Agent构建中，可引入步骤级评分标准（rubric）明确每步目标（如“需覆盖2023-2025年新品”、“指定英文源”），提升信息收集的精准度与全面性。
- 训练一个轻量评判标准生成器，用列表式RL微调使其输出具有甄别力的准则，可作为即插即用组件注入现有ReAct、Best-of-N等方案，平均提升1-15%性能且无需改动原有决策机制。
- 注入+验证+重试机制：动作执行前用生成的标准进行校验，未达标则带反馈重试，此模式可有效降低错误动作率，适用于推荐系统的分步式查询扩展或多轮决策。
- 排名对齐的列表式奖励设计（Spearman相关系数）对生成式推荐中Semantic ID排序、候选动作评估等场景有借鉴意义，用全局排名代替逐对偏好能提供更丰富的梯度信号。
Grep 是否就已足够？代理框架如何重塑代理式搜索
🧭 Agent ★ 深度解读
PricewaterhouseCoopers
系统实验揭示：检索策略（grep vs 向量）的效果依赖于代理框架与工具输出方式，内联 grep 在对话记忆任务中整体更强