2026-11-17 周二 · AI 搜索

今日场景今天的检索赛道在问,检索对象和用户真正要完成的任务,是不是对得上,结果能不能被检查。有的工作把问题改写变成可搜索的策略,让提示和解码参数跟着检索反馈一起进化;有的把医学稠密向量拆成可解释的稀疏特征,用来说明一篇文献为什么被召回。面向公众的治理文件检索强调绑定原文和版本,数字图书馆则把扫描页的图和文字一起做成向量。还有人把阅读进度写成防剧透边界,把金融智能体的失败先分清该改哪一层,把本地论文检索里模型和提问具体程度的差别测清楚。电子病历用药预测改去检索总体用药先验,视觉问答则先判断指代清不清楚再决定怎么答。 — 评分 45 篇,入选 10 篇,分数 3.15 – 4.00

本期目录 · 10 篇
  1. 01RAG-FGO: Dynamic Optimization of Query-Rewriting Agents for Generative RAG
  2. 02Explanations that Transfer: Interpreting Medical Retrieval with Sparse AutoEncoders
  3. 03AI-Voyager: A Public-Interest System for Human-AI Civic Reasoning to Contest and Shape the Rules That Govern AI
  4. 04Towards High-Performance Multimodal Discovery: Evaluating Retrieval Efficacy and Operational Scalability in Digital Libraries
  5. 05MeReader: An Offline, Privacy-Preserving, Progress-Aware AI Assistant for Narrative eBook Reading
  6. 06Can You Trust Your Finance Agent? Drift, Diagnosis and Auditable Intervention on One Shipped Financial Research Agent
  7. 07Evaluating Large Language Models for Scientific Paper Search: Retrieval Success and Inference Latency on Mac Studio and NVIDIA A100
  8. 08Lens: Training-Free Semantic Search for Cross-Tile Object and Scene Retrieval in Satellite Imagery
  9. 09Tabular Population Priors as Structured Retrieval for EHR Medication Set Prediction
  10. 10AmbiSteer: Selectively Eliciting Ambiguity-Aware Responses in Vision-Language Models
LEAD STORY · 今日必读

RAG-FGO: Dynamic Optimization of Query-Rewriting Agents for Generative RAG

检索增强生成里,改写用户问题本该让检索更准,可检索反馈常常很吵,提示词和温度这类解码参数又要一起调,固定策略遇到意思复杂的问题很容易失效。作者把改写看成不可求导的黑盒优化:把提示模板和解码参数当成可迭代调整的改写智能体,既做大范围搜索跳出局部最优,又做小范围微调,并用一个保留优胜策略的记忆池来抵抗噪声。

相关 5新颖 3实用 4证据 2时效 5
3.95
综合分 / 5
偏好调整 4.30
Qigan Sun, Xudong Wang, Chaoning Zhang, Chenghao Li, Jiaquan Zhang, Jiehui Xie 等 12 人 · 2026-11-16 · arXiv

今日其余入选

9 篇 · 按综合排名
02 4.00

Explanations that Transfer: Interpreting Medical Retrieval with Sparse AutoEncoders

📖 深度解读 · 15 分钟 →

医学问答要先从大量文献里把相关段落找出来,可现在常用的稠密向量几乎无法解释,针对某一批语料微调后又容易在新的临床文集上掉点。作者用稀疏自编码器把稠密文本向量拆成可解释的特征,训练时既要能重构原向量,又用对比损失保住查询和文档之间的相关性。在医学训练集 CURE 上,用 BGE 向量时,排序指标 NDCG@10 从原来的 53.06 提到 61.87。

Diane Bouchacourt, Gaëtan Brison
arXiv·2026-11-16·Relevance 4 · Novelty 4 · Practical 4 · Evidence 3 · Timely 5
03 3.75

AI-Voyager: A Public-Interest System for Human-AI Civic Reasoning to Contest and Shape the Rules That Govern AI

政府正在给人工智能定规则,可受影响的人往往还没来得及追问,条文就已经写成自动化决策或伤害的定义。作者做了一个面向公众的系统,把城市到国家的数千份治理文件做成保留页码和版本的段落,并用有范围的智能体检索来核对每一句引用。居民可以查本市招聘用人工智能的规定,也可以上传本国战略并起草修改。在需要先找到相关文件的新问题上,宏平均召回率达到 83.0%,不做迭代检索则只有 73.7%。用户研究里,多数人提出的修改是在问条款到底会怎么落实。检索要绑定到公文的原文和版本,人们才敢拿它来讨论和修改规则。对做公共政策检索的人来说,找对文件和给出可核对的出处,比只把答案写得流畅更重要。

Snehalkumar `Neil', Dhruv Dixit, Bryen Alvarez, Pratik Patekar, Anika Sharma, Akshara Kolipaka 等 7 人
arXiv·2026-11-16·Relevance 4 · Novelty 3 · Practical 4 · Evidence 3 · Timely 5
04 3.65

Towards High-Performance Multimodal Discovery: Evaluating Retrieval Efficacy and Operational Scalability in Digital Libraries

大型数字图书馆里,很多资料是图文混排的扫描页,全文倒排索引对图、表和版式几乎看不见,光靠识别出来的文字会漏掉关键信息。作者把整页图像做成同时包含文字和视觉语义的向量,再用向量库做检索,并比较了几种相似度算法。在完整基准上,余弦相似度的 MRR 达到 0.801,明显好过欧氏距离的 0.418,也更适合带图或表格的问题。检索精度本身并不高,还需更好的重排。把语料从一百页扩到四千多页时,延迟大约只增加到二十倍,吞吐可超过每秒 3,500 次查询。图文混排的馆藏,只建文字索引是不够的,向量检索要连视觉语义一起抓。对做学术发现系统的人来说,关键不只是换更强的视觉模型,还要把索引做成能在库级规模上跑起来。

Krishna Priya, Sai Navya Jyesta, Sachith Withana, Neelesh Karthikeyan, Beth Plale
arXiv·2026-11-16·Relevance 4 · Novelty 3 · Practical 4 · Evidence 2 · Timely 5
05 3.65

MeReader: An Offline, Privacy-Preserving, Progress-Aware AI Assistant for Narrative eBook Reading

用大模型陪人读书时,如果把整本书一次性送进模型,后面的情节很容易被提前说出来,而且常要上传到云端。作者做了一个可离线运行的阅读助手,检索和生成都被限制在读者已经读到的位置,并把向量相似、关键词匹配和摘要向量合在一起用。在三本英文小说的理解题和剧透检查上,中等大小的本地模型可以把理解质量做到与更大模型相近,最好的 BERT F1 大约为 0.74 到 0.75,单题大约 30 秒。进度边界挡住尚未读到的内容,同时不把已读部分的检索质量换掉。陪读系统该跟读者一起往前走,而不是先把全书看完再回答。对想在本地提供阅读辅助的人来说,把进度写成检索和生成都要遵守的边界,才能既保护隐私,又不剧透。

Mohammed Efaz, Udo Bub, Itilekha Podder
arXiv·2026-11-16·Relevance 4 · Novelty 3 · Practical 4 · Evidence 2 · Timely 5
06 3.55

Can You Trust Your Finance Agent? Drift, Diagnosis and Auditable Intervention on One Shipped Financial Research Agent

别人做好的金融智能体,排行榜上的一个分数很难告诉你这套系统稳不稳、出错该谁改、改完能不能信。作者拿一套未调参的参考智能体反复跑同一批题目,通过的评分细则从 105 条变到 123 条,费用也会明显波动。按预先订好的分类看,多数失败出在指令层,其次才是工具和模型,没有一条该归到数据。一个只看轨迹就改一处、过线才保留的优化环,按费用目标能把预留测试题上的花费降到原来的 0.34 倍,准确率仍在噪声范围内;按准确率目标的提升则过不了预先写好的检验。智能体的分数先要经得住重复跑,再谈改哪里、改完算不算真的好了。这只是单个智能体上的小样本案例,但对审计者给出了先测噪声、再分清责任层的办法。

Cosimo Galeone, Anna Ettorre, Ginevra Mariani, Minsu Park, Giuseppe Ettorre, Daniele Ligorio
arXiv·2026-11-16·Relevance 3 · Novelty 3 · Practical 4 · Evidence 4 · Timely 5
07 3.50

Evaluating Large Language Models for Scientific Paper Search: Retrieval Success and Inference Latency on Mac Studio and NVIDIA A100

科研文献检索如果能在本地部署大模型助手,就可以少把数据和基础设施交给托管服务商,但开放权重模型在实际算力下能不能把论文找回来,还缺少系统测量。作者比较了一台 Mac Studio 和一台双卡服务器上的推理延迟,再让八个模型在七个文献库里找 70 篇论文。检索能否成功,很大程度上取决于选哪个模型和问题写得多具体:基础表述只有 6.2% 能找到,专家级表述则达到 48.2%。服务器通常更快,但那台 Mac 的统一内存能装下这次 GPU 配置放不进去的更大模型。本地论文检索,模型和提问的具体程度,往往比平台快一点更决定成败。对要自建文献助手的研究组来说,先按自己的查询习惯把模型测一遍,比只看参数量或官方演示更靠谱。

Frederic Andriantseheno Rakoto, Yannis Bendi-Ouis, Xavier Hinaut
arXiv·2026-11-16·Relevance 4 · Novelty 2 · Practical 4 · Evidence 3 · Timely 5
08 3.45

Lens: Training-Free Semantic Search for Cross-Tile Object and Scene Retrieval in Satellite Imagery

在大幅卫星拼接图上按语义找某一类地物或场景时,通常要先为这一类训练检测器,换一类就要重做。作者做了一个不必为新类别再训练的系统:用冻结的自监督视觉模型表示每个图块,去掉位置偏差,再对整片区域的特征去均值后做余弦匹配。查询可以是点击附近的小邻域,也可以是整块图做场景检索,细边界算一次后便缓存起来。在五千多块测试图上,平均像素级 F1 为 0.39,各类差别很大;一次点击返回叠加结果大约只要 6 到 10 毫秒。没有为这一类训练过的检测器,也可以先用一个可点击的语义索引把候选找出来。对要在大范围遥感图上做交互检索的人来说,这把先训练检测器再搜索,换成了先建可复用索引再按点击检索。

Ata Akbari Asanjan, Anit Upadhyaya, Jeremy Kravitz, Subash Yeggina
arXiv·2026-11-16·Relevance 3 · Novelty 3 · Practical 4 · Evidence 3 · Timely 5
09 3.15

Tabular Population Priors as Structured Retrieval for EHR Medication Set Prediction

已录用 ICML 2026 Workshop

从电子病历预测用药组合,目标本是一份固定词表里的药物类别集合,可不少系统会先找相似病人,再让大模型猜该开什么药。这样检索到的是病人记录,要预测的却是离散的药物标签,两者并不对齐。作者改用训练数据里由病况和用药共现统计出来的表格总体先验,按共现强弱列出候选药物类别,只替换原流程里的病人检索器。在一千多份预留的住院记录上,F1 从 0.303 提到 0.338,不必额外调用大模型,也不必在推理时维护病人索引。这个先验在不经过大模型时本身就有预测能力。固定词表的集合预测,检索对象最好就是那个词表里的候选,而不必先绕到相似病人。对临床用药预测来说,总体统计既更容易审计,也往往更贴任务。

Animesh Agarwal, Meysam Ghaffari, Nina Fatehi, Carlos Morato
arXiv·2026-11-16·Relevance 3 · Novelty 3 · Practical 4 · Evidence 3 · Timely 5
10 3.15

AmbiSteer: Selectively Eliciting Ambiguity-Aware Responses in Vision-Language Models

视觉语言模型常常过于自信,明明图像证据不足,仍会给出斩钉截铁的答案。典型情况是视觉问答里的指代不清:图中多个对象都可能是问题在问的那个,这时应当先追问或把几种可能都列出来,只有所指清楚时才直接作答。现有模型很难做这个区分,往往默认只选一种理解。作者发现,推理时只靠激活引导效果有限,提示通常更有效,但两者合用会在所指清楚的例子上误触发。于是他们用线性分类器先判断输入是否含糊,再决定引导方向,使处理得当的比例平均从 59.0% 提到 77.0%。模型要先判断问题清不清楚,再决定是直接答、追问还是把可能都列出。对多模态问答来说,这提供了一种不必重训、只在推理时减轻过度自信的办法。

Monica Riedler, Samuele Antonelli, Barbara Plank, Raffaella Bernardi
arXiv·2026-11-16·Relevance 3 · Novelty 3 · Practical 4 · Evidence 3 · Timely 5

其他赛道今日

点击切换

开源雷达

GitHub / HuggingFace 热门 · 5 个项目
internlm/WildClawBench-TrajectoriesWildClawBench Trajectories What 12 frontier models did on 60 real-world agent tasks, step by step, with the score of every run 720 graded trajectories. 12 models. 15,678 model steps. 17,206 tool calls. 90 hours of agent time. Every model on this list ran the full WildClawBench su; tags: task_categories:text-generation, language:en, language:zh, license:mit, size_categories:n<1K, format:json, modality:tabular, modality:textdataset · ★ 8 · 2026-07-30 · HuggingFacedeepseek-ai/DeepSeek-V4.1-Flash-1017pipeline: image-text-to-text; tags: transformers, safetensors, deepseek_v41, text-generation, image-text-to-text, conversational, license:mit, eval-resultsmodel · ★ 5785 · 2026-10-17 · HuggingFaceinternlm/WildClawBenchWildClawBench Hard, practical, end-to-end evaluation for AI agents — in the wild. WildClawBench is an agent benchmark that tests what actually matters: can an AI agent do real work, end-to-end, without hand-holding? We drop agents into a live OpenClaw environment — the same open-; tags: benchmark:official, task_categories:visual-question-answering, task_categories:image-text-to-text, task_categories:question-answering, language:en, language:zh, license:mit, size_categories:n<1Kdataset · ★ 73 · 2026-03-24 · HuggingFaceinternlm/Sage-S2.1-Flashtags: safetensors, glm5_next, region:usmodel · ★ 46 · 2026-11-15 · HuggingFaceinternlm/Sage-S2.1-Flash-FP8tags: safetensors, glm5_next, fp8, region:usmodel · ★ 5 · 2026-11-13 · HuggingFace