今日场景社区搜索 (UGC 短文本搜索): 用户在社区平台搜索帖子、问答、评论等 UGC 内容。核心指标是搜索相关性 (nDCG) 和点击率 (CTR)。关注:语义匹配、query 理解、短文本召回、排序模型、LLM 在搜索中的应用。 — 评分 19 篇,入选 1 篇,分数 3.65 – 3.65

LEAD STORY · 今日必读 · Tencent / IIE-CAS

A New Role for Relevance: Guiding Corpus Interaction in Agentic Search

论文指出,传统检索只用相关性决定哪些文档进入 top-k,却无法指导 Agent 在文档内部定位证据。RARG 将相关性变成执行先验:按文档相关性安排 ripgrep 遍历顺序,用查询相关段落初始化入口,并对匹配片段做局部重排。在 10 万文档 BrowseComp-Plus 上,RARG++ 达到 84% 准确率,平均工具调用 23.9 次;RISE 为 78% 和 28.7 次,DCI 为 78% 和 99.1 次。

相关 4新颖 4实用 3证据 4时效 3
3.65
综合分 / 5
偏好调整 3.75
KEY INSIGHT · 对业务意味着什么对社区 UGC 搜索,相关性信号不应只用于召回和排序,还可以控制搜索 Agent 下一步查什么、先看哪篇帖子以及哪些片段进入上下文。RARG++ 在语料扩展到 100 万文档后仍达到 79% 准确率,而 RISE 为 69%,说明“相关性排序 + 词法交互”比单纯扩大 top-k 更能控制多跳检索成本。落地时可先在低频复杂 query 上启用,保留普通 query 的轻量召回链路。业务关联 适用于社区搜索中的复杂问题、跨帖子追踪和需要证据拼接的长尾 query;可将现有 embedding 召回分数复用为 Agent 的检索执行顺序信号。证据 BrowseComp-Plus 100K 文档:RARG++ 84% accuracy、23.9 次工具调用;RISE 78%、28.7 次;DCI 78%、99.1 次。1M 文档时 RARG++ 79% 对比 RISE 69%;BRIGHT 上 RARG+ 平均 nDCG@10 为 53.36。
Jiangnan Li, Yuqing Li, Mo Yu, Jinchao Zhang, Jie Zhou · 2026-07-27 · arXiv

其他赛道今日

点击切换

开源雷达

GitHub / HuggingFace 热门 · 8 个项目