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 528 篇，入选 10 篇，分数 3.55 – 4.30
VISOR 解决了 agentic 视觉检索增强生成(VRAG)中的两个关键瓶颈:视觉证据稀疏性和短视推理问题。该方法通过跨页面推理和超视野规划机制,在多步迭代检索中实现了更精准的证据聚合。在多个视觉文档问答基准上,VISOR 显著优于现有 agentic VRAG 系统。
EigentSearch-Q+ 提出了一组结构化推理工具(Q+),受 Anthropic think 工具范式和信息检索文献启发,使 deep research agent 的搜索行为更加有目的性。Q+ 通过引导查询规划、监控搜索进度和从长网页中提取证据,解决了现有 agent 隐式无结构搜索导致的冗余探索和脆弱证据聚合问题。
INSIGHTQ+ 将搜索过程从隐式推理转为显式工具调用,核心设计包括查询规划工具、搜索进度监控器和证据提取器。这种结构化方法可直接应用于搜索系统的 query 分解和多轮检索场景,为构建可控可解释的搜索 agent 提供了工程化思路。
系统性分析了 LLM 强化学习中的信用分配问题,区分了推理 RL(单次 CoT 生成中 500-30K+ token 的信用分配)和 agentic RL(多轮环境交互中的信用分配)两个范式。论文提出了统一框架来理解 token 级和 step 级信用分配方法的优劣,为搜索推荐系统中的 agent 训练提供了理论基础。
INSIGHT论文首次系统性地将 reasoning RL 和 agentic RL 中的信用分配问题统一分析,揭示了长链路推理中 sparse reward 的根本挑战。对搜索系统而言,这项工作为训练能进行多步检索和推理的搜索 agent 提供了关键的 RL 训练方法论指导。
针对知识密集型推理任务,现有过程奖励模型(PRM)无法有效验证中间推理步骤的正确性--不同于数学或代码,知识密集领域的步骤验证需要综合大量外部知识源。本文提出 Process Reward Agent,将检索增强的验证机制嵌入推理过程的每一步,有效防止错误在推理链中传播。
INSIGHT将过程奖励模型升级为 Agent 形式,在每一步推理中主动检索外部知识进行验证,这是对 RAG + reasoning 结合范式的重要推进。对搜索系统而言,这种逐步验证机制可应用于复杂查询的分步推理过程,提升搜索结果的事实准确性。
提出了知识增强型 Deep Research 框架和基准,将结构化知识(如知识图谱、数据库)引入 LLM agent 的自主多步信息搜索流程。不同于现有仅依赖非结构化网页内容的方法,该框架要求 agent 同时利用结构化数据进行量化计算和深度分析,提供了更全面的评估维度。
INSIGHTDeep Research 的下一步方向是结合结构化知识,而非仅依赖网页搜索。这对搜索系统设计有重要启示:在构建 deep research agent 时,需要同时设计结构化数据(如产品目录、用户画像数据库)的检索接口,才能实现真正有深度的自主研究。
Memory Intelligence Agent 解决了 deep research agent 的记忆系统瓶颈。现有方法依赖检索相似历史轨迹来辅助推理,但存在记忆演化无效、存储和检索成本递增等问题。论文提出新型记忆架构,使 agent 能高效地利用历史经验进行推理和自主进化。
INSIGHTAgent 记忆系统的核心挑战不是如何存储而是如何演化。该工作对搜索系统中的用户 session 记忆和长期偏好建模有启发:agent 不仅要记住交互历史,还需要从历史中提炼出可泛化的策略知识,而非简单的相似度匹配。
SPPO 提出序列级 PPO 方法解决 LLM 长链路推理任务中的信用分配和内存效率问题。标准 token 级 PPO 在长 CoT 场景下不稳定且内存开销大,而 GRPO 等无 critic 方法虽缓解了这些问题但计算开销显著。SPPO 在保持训练稳定性的同时降低了计算和内存成本。
INSIGHTSPPO 是对 GRPO 和标准 PPO 的折中方案,通过序列级奖励分配避免 token 级信用分配的不稳定性。对于需要长链路推理的搜索 agent 训练(如多步检索加推理),SPPO 提供了更实用的 RL 训练框架选择。
MemReader 将 agent 长期记忆从被动提取转为主动提取。现有系统将记忆提取视为一次性被动转录,难以处理对话中的噪声、缺失引用和跨轮依赖,导致记忆污染和低价值写入。MemReader 家族通过主动提取策略,提升了长期记忆的质量和一致性。
INSIGHT从被动记忆到主动记忆的转变是构建个性化搜索 agent 的关键。MemReader 的设计理念(在写入前主动验证和过滤)可直接应用于搜索系统中的用户意图建模和 session 历史管理,避免低质量信号污染用户画像。
DRBENCHER 是首个同时评估网页浏览和多步计算能力的 deep research agent 基准。现有基准将这两种能力分开评估,无法反映真实场景中的综合性能。该基准通过参数化代码和知识图谱值自动生成可验证的问题,确保答案的唯一正确性,填补了 agent 评估的关键盲区。
INSIGHTDRBENCHER 揭示了当前 deep research agent 的关键短板:浏览加计算的联合能力远低于单独能力。对搜索系统而言,这个基准可用于评估搜索 agent 在查找信息、推理计算、给出答案全链路上的表现,是构建可靠搜索 agent 的重要评测工具。
DRTO 结合 token 级 RLHF 与分布鲁棒优化(DRO),解决 LLM 在输入分布偏移时的推理能力下降问题。当 prompt 的措辞、格式或语言发生微小变化时,标准 RLHF 训练的模型会出现显著性能下降,尤其在多步推理问题上。DRTO 通过最坏情况分布优化提升了模型的鲁棒性。
INSIGHTDRTO 关注的分布偏移问题在搜索系统中非常常见--用户 query 的表述方式千变万化,模型需要对 query 格式变化保持鲁棒。将 DRO 引入 RLHF 训练流程是提升搜索推荐模型在真实分布下稳定性的可行方案。