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 10 篇，入选 6 篇，分数 3.05 – 3.61
教师偏好的搜索词未必能找到有用材料。作者用检索后的信息增益调整每轮训练权重与查询偏好，让小模型更多学习真正带回证据的动作。在六个多模态搜索基准上，2B学生平均准确率提高3.4个百分点。
搜索找到新证据，模型仍可能给出旧答案。作者把已经变化的事实交给带搜索能力的模型，区分证据是否出现与是否被真正使用。受控实验覆盖6种开放权重配置，发现只读摘要和不可靠引用相伴出现。
INSIGHT检索成功与答案更新是两个不同环节。搜索质量诊断可以分别记录找到证据、打开原文和最终采用证据的比例；这样能分清是召回失败，还是模型读到了材料却仍沿用旧知识。
工具列表太长，会挤占模型上下文并干扰选择。作者把历史调用序列组织成前缀树，结合当前任务为后续工具排序。在零售与电信混合环境中，只暴露少量候选工具就让选择准确率提高4.7个百分点。
INSIGHT调用历史可以变成下一步检索的索引。候选缩减既利用当前文本，也利用已经发生的动作，比每一步独立搜索整份工具说明更贴合连续任务；冷门路径则需要额外检查覆盖率。
代理目录增大后，完整工具说明会拖慢模型。作者从能力字段提取结构化词法信号，用倒排索引筛选候选，整个过程无需训练。在千个代理的测试中，相比完整目录输入，编排延迟降低70.9%。
INSIGHT结构化字段能帮助词法召回区分能力描述与普通文本。把候选筛选放到模型调用之前，可以直接控制上下文开销；不过代理目录实验测的是能力匹配，并不是社区帖子搜索相关性。
长上下文压缩可能保住主题，却丢掉后续问题需要的细节。作者把目标与上下文一起交给压缩器，隐藏具体问题后再测试答案。基准含500个目标，可检查同一目标下的信息是否被完整保留。
INSIGHT压缩预算相同，保留哪些信息仍取决于使用目标。评测时隐藏具体问题，更接近提前整理搜索材料的场景；只测一个问题的答案，会漏掉同一材料中其他信息的损失。
文本相近的材料未必能帮助回答问题。作者让搜索代理分别检查加入证据能否增进回答、删除证据是否损伤回答，再结合路径一致性探索知识图谱。实验覆盖3个STaRK数据集，摘要未给出统一提升幅度。
INSIGHT证据价值可以通过加入和删除后的变化来判断，而不只看文本相似度。这适合检查多跳问答的中间节点是否必要；代价是需要额外回答评估，收益与评估开销要一起记录。