DynaTree: Dynamic Agentic Retrieval Tree for Time-Sensitive News Retrieval
DynaTree：面向时效新闻检索的动态智能体检索树
🧭 多 Agent 协作检索树 · 动态子树选择 ★ 深度解读
Shanghai Jiao Tong University · Orion Arm AI
解耦语义扩展与在线检索，用多 Agent 构建可复用检索树，再通过轻量子树选择适应新闻时效性，召回与部署效果显著提升。
📌 工作参考价值（4 点）
- 离线持久化语义结构：将用户意图的语义扩展固化为树结构，避免每次查询重复推理。在电商推荐中，可将长期稳定的品类（如“户外运动装备”）构建成 Topic 树，召回时直接复用，大幅降低 LLM 调用成本。
- 多 Agent 角色分工实现可控探索：Planning、Retrieval、Augmented、Reflection 各司其职，路径感知规划、自适应路由、证据标准化与结构自我修正的组合，可迁移到商品知识图谱构建、复杂查询的迭代改写等场景，尤其适合需要平衡覆盖率和漂移的召回链路。
- 轻量子树选择应对分布漂移：日常通过评估代理（小型采样集 + LLM 弱标注）快速选优子树，无需重跑昂贵 Agent，类似推荐系统中固定候选池但动态调整召回通道权重，适合促销、季节变化等时变场景下的低成本自适应。
- 评估代理与弱监督：只需 200 个文档的 LLM 标注即可稳定挑选子树，可借鉴到标注缺失的推荐场景，例如基于少量曝光日志构建代理集，指导召回策略的日常微调。