2026-05-15 周五 · Generative

独立报告页 · 在站内浏览（含往期切换）→
Generative生成式推荐 · 10 篇Personalization个性化推荐 · 8 篇AI SearchAI 搜索 · 10 篇Agentic智能体搜索 · 10 篇Infra系统与索引 · 10 篇

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 83 篇，入选 10 篇，分数 3.45 – 4.40

本期目录 · 10 篇
  1. 01EcoGEO: Trajectory-Aware Evidence Ecosystems for Web-Enabled LLM Search Agents
  2. 02Retrieval is Cheap, Show Me the Code: Executable Multi-Hop Reasoning for Retrieval-Augmented Generation
  3. 03Granite Embedding Multilingual R2 Models
  4. 04ViDR: Grounding Multimodal Deep Research Reports in Source Visual Evidence
  5. 05Utility-Oriented Visual Evidence Selection for Multimodal Retrieval-Augmented Generation
  6. 06LeanSearch v2: Global Premise Retrieval for Lean 4 Theorem Proving
  7. 07Many-Shot CoT-ICL: Making In-Context Learning Truly Learn
  8. 08Training Long-Context Vision-Language Models Effectively with Generalization Beyond 128K Context
  9. 09Context Training with Active Information Seeking
  10. 10MAP: A Map-then-Act Paradigm for Long-Horizon Interactive Agent Reasoning
LEAD STORY · 今日必读

EcoGEO: Trajectory-Aware Evidence Ecosystems for Web-Enabled LLM Search Agents

本文提出 EcoGEO，将传统针对单页面的 Generative Engine Optimization 扩展到 web-enabled LLM 搜索 Agent 的多步浏览轨迹场景。作者设计 TRACE 框架，在给定推荐 query 与目标产品后，构建受控的 Evidence 生态系统，通过协同布置多个互链页面、调整证据出现位置与关联结构，影响 Agent 在多步 retrieve→follow→reformulate 过程中聚合的最终结论。实验在多种主流 LLM Agent 上显示，相比 page-level GEO，TRACE 显著提升了目标产品被 Agent 推荐的概率。

📖 深度解读 · 9 分钟arXiv ↗
相关 5新颖 5实用 4证据 3时效 5
4.40
综合分 / 5
KEY INSIGHT · 对业务意味着什么对生成式搜索而言，影响因素已经从「单页 SEO」迁移到「轨迹级证据生态」——Agent 经过哪些页面、链接结构如何、证据如何在路径上分布共同决定了生成答案。对于社区搜索/推荐场景，意味着帖子/评论需要构建可被 Agent 沿链路串联的证据网（互引、互链、互证），而不是单条孤立优化；这也提示 UGC 搜索系统需要重新设计 query-trajectory-evidence 三方耦合的排序与去偏机制。
Hengwei Ye, Jiasheng Mao, Zhenhan Guan, Zheng Tian · 2026-05-14 · arXiv
独立页面阅读 ↗

今日其余入选

9 篇 · 按综合排名
02 4.30

Retrieval is Cheap, Show Me the Code: Executable Multi-Hop Reasoning for Retrieval-Augmented Generation

本文针对多跳 RAG 中自由文本推理状态不显式、retrieval query 漂移以及自我反思不可靠的问题，提出 PyRAG，把多跳 RAG 重写成程序合成与执行问题。模型生成一段 Python 程序，将 retrieval 调用、实体绑定、子问题串联固化为代码，由解释器逐步执行检索与计算并显式记录中间状态。在多跳 QA 基准上，PyRAG 在准确率与 retrieval 调用效率上相对自由形式 ReAct 类基线获得稳定提升，并自然引出可验证的执行轨迹。

INSIGHT将「reasoning over retrieval」从自由文本范式切换到「可执行程序」范式，是生成式搜索一个重要的工程化方向：中间状态、变量、检索意图全部显式可控，自然支持单步重试、debug、并行化。对社区搜索场景，可以用代码化的多跳意图（如「先按用户找帖子→再按帖子聚合评论→最后过滤时间窗」）来取代纯文本 query rewriting，让 LLM-as-orchestrator 在保证准确率的同时把单次大模型调用替换成大量便宜的 retrieve+小模型 step。

Jiashuo Sun, Jimeng Shi, Yixuan Xie, Saizhuo Wang, Jash Rajesh Parekh
HuggingFace·2026-05-12·Relevance 4 · Novelty 5 · Practical 4 · Evidence 4 · Timely 5
03 4.25

Granite Embedding Multilingual R2 Models

IBM

IBM 发布 Granite Embedding R2 多语言系列：基于 ModernBERT 架构、扩展多语言词表，支持 200+ 语种与代码，上下文窗口扩展到 32,768 token（相比 R1 提升 64x）。提供 311M 完整模型与 97M 压缩模型，后者通过模型剪枝与词表选择得到，在 100M 参数以下的开源多语言 embedding 中达到 SOTA。完整模型支持 Matryoshka 表示学习，可灵活调整嵌入维度。在多语言/跨语言文本搜索、代码检索、长文档搜索与 reasoning retrieval 等综合任务上获得领先。

INSIGHT对落地侧最实用的一项工作之一：32K 上下文+200 语种+Matryoshka 多维度切片+开源，几乎覆盖企业级 dense retrieval 的所有刚需。对社区搜索而言，<100M 的压缩版本可以替代当前线上 BERT 召回塔，在不显著加机器的前提下吃掉跨语种、长帖正文、代码片段三类边角流量；Matryoshka 维度切片对 ANN 索引规模也是直接的成本节省。是少见的「可以直接拿来上线评测」的研究侧 release。

Parul Awasthy, Aashka Trivedi, Yushu Yang, Ken Barker et al.
arXiv·2026-05-14·Relevance 5 · Novelty 4 · Practical 5 · Evidence 4 · Timely 5
04 4.10

ViDR: Grounding Multimodal Deep Research Reports in Source Visual Evidence

ViDR 是一个 multimodal deep research 框架，强调把源图作为可检索、可路由、可验证的证据对象，而不是 LLM 自己生成图表来「装饰」。系统会先构造 evidence-indexed outline 把声明与图文证据连接，再用 context-aware 过滤、outline-aware 重排和 VLM 视觉分析把网页图像精炼为「source figure evidence atoms」，并按 section 选择对应证据生成报告。论文还提出图引用是否落地的校验机制，避免生成阶段的图文错配。

INSIGHT对生成式搜索/Deep Research 系统而言，本文给出了多模态证据从「检索 → 重排 → 路由 → 校验」的完整 pipeline。社区场景里大量内容是图文混合（截图、表情包、产品图），通常的纯文本 RAG 会把图变成 alt text 弱信号；ViDR 的做法提示可以把贴子内图像建索引、与文本证据对齐，并在生成阶段为每段答案绑定显式 figure 引用，对解决 UGC 搜索结果可验证性、降低幻觉非常直接。

Zhuofan Shi, Peilun Jia, Baoqin Sun, Haiyang Shen, Sixiong Xie, Yun Ma, Xiang Jing
arXiv·2026-05-14·Relevance 4 · Novelty 4 · Practical 4 · Evidence 4 · Timely 5
05 4.05

Utility-Oriented Visual Evidence Selection for Multimodal Retrieval-Augmented Generation

本文从信息论视角重新定义多模态 RAG 中的「视觉证据选择」：把证据效用定义为它对模型输出分布的信息增益，而不是与 query 的语义/表面相似度。为绕开 answer-space 优化的不可解性，作者引入隐变量「证据有用性」，理论上证明用其上的信息增益排序等价于 answer-space utility，再用轻量多模态模型代理估计该增益，得到一个 training-free 框架。在 MRAG-Bench 与 Visual-RAG 多个模型族上取得稳定提升。

INSIGHT把检索证据排序从「相似度」升级到「对生成结果的信息增益」，对社区搜索这种多模态 RAG 场景非常关键：在 UGC 中往往大量图片视觉接近 query，但对最终回答几乎无信息贡献。该范式给出了 training-free 的轻量化做法，可以叠加在现有图文召回之后做 utility-reranker，相比训一版重排模型成本极低；同时为「召回相关性 ≠ 生成有用性」这一长期工业痛点提供了可量化的中间指标。

Weiqing Luo, Zongye Hu, Xiao Wang, Zhiyuan Yu, Haofeng Zhang, Ziyi Huang
arXiv·2026-05-14·Relevance 4 · Novelty 5 · Practical 4 · Evidence 4 · Timely 4
06 3.75

LeanSearch v2: Global Premise Retrieval for Lean 4 Theorem Proving

LeanSearch v2 提出「global premise retrieval」任务：为整条定理一次性返回所需的所有引理集合，而不是单步选一个或单 query 召回。系统包含两个模式：standard 模式用 hierarchy-informalized Mathlib 语料 + embedding-reranker，在单 query 上 nDCG@10 达到 0.62 (上一代 SOTA 0.53)；reasoning 模式以 standard 为底，通过 sketch→retrieve→reflect 多轮循环逼近完整 premise set。在 69 个研究级 Mathlib benchmark 上显著优于一阶检索基线。

INSIGHT这是一个干净的「生成式搜索 + 迭代检索」案例：把「找答案」拆为先粗草稿→检索→反思→再补检索的循环。对社区搜索/QA 系统的迁移价值在于：很多用户的复合意图（例如「找一组互相印证的帖子」）天然适合 sketch-retrieve-reflect 形式，而不是单 query/单结果。论文里 informalized 知识表示 + embedding+reranker 的两段式还示范了如何把符号化领域知识转写成检索语料，对垂类社区（医疗、法律、技术问答）有直接借鉴价值。

Guoxiong Gao, Zeming Sun, Jiedong Jiang, Yutong Wang, Jingda Xu, Peihao Wu, Bryan Dai, Bin Dong
arXiv·2026-05-14·Relevance 3 · Novelty 4 · Practical 4 · Evidence 4 · Timely 4
07 3.70

Many-Shot CoT-ICL: Making In-Context Learning Truly Learn

本文系统研究 reasoning 任务下的 many-shot CoT-ICL，发现非 reasoning 任务的经验在 reasoning 场景并不成立。关键结论：(i) 增加 CoT demonstration 数量对非 reasoning LLM 不稳定，主要提升 reasoning-oriented LLM；(ii) 基于相似度的 example retrieval 在 reasoning 任务上反而失效，因为「语义相似」并不预示「过程上 (CoT) 兼容」；(iii) 存在 order-scaling 现象，demonstration 顺序对长上下文稳定性显著。

INSIGHT对生成式搜索的检索增强提示工程是一记警钟：检索召回 example 时常用的「语义相似」假设在涉及推理任务时会引入噪声，应改为「过程兼容性 / 解题模板相似」作为 reranker 信号。社区搜索里如复杂 query 的 query-rewriting、多步意图分解，从 1-shot 升级到 many-shot CoT 时需要重新设计 example 池与排序方式，否则越多 shot 性能反而下降，这一陷阱在文章里有直接实验证据。

Tsz Ting Chung, Lemao Liu, Mo Yu, Dit-Yan Yeung
HuggingFace·2026-05-12·Relevance 3 · Novelty 4 · Practical 4 · Evidence 4 · Timely 4
08 3.65

Training Long-Context Vision-Language Models Effectively with Generalization Beyond 128K Context

本文系统研究 LVLM 的长上下文 continued pre-training，将一个 7B 模型从 32K 扩展到 128K。三条关键发现：(i) 长文 VQA 的训练效果显著优于 OCR 转写式任务；(ii) 序列长度分布上，均衡分布比集中在目标长度（如 128K）效果更好，说明长上下文能力本质上是「跨位置可泛化的关键信息检索」；(iii) 在多种数据 mixture 配比下，retrieval 仍是主要瓶颈。模型在 128K 以上仍保持泛化能力。

INSIGHT对生成式搜索 + 多模态 RAG 是非常实用的训练 recipe：长上下文不是堆 128K 数据就能涨，关键是构造跨长度、跨位置的「关键信息检索」型监督。把 retrieval 当作 long-context 任务底座这一点也直接呼应工业实践——所谓 long-context LVLM 其本质仍是「内部检索引擎」。社区搜索若需训自己的长帖/长评论理解模型，可以按文中均衡长度分布 + 长文 VQA 化目标的方式构造监督数据。

Zhaowei Wang, Lishu Luo, Haodong Duan, Weiwei Liu, Sijin Wu
HuggingFace·2026-05-12·Relevance 3 · Novelty 4 · Practical 4 · Evidence 4 · Timely 4
09 3.60

Context Training with Active Information Seeking

本文为 context optimization 加入主动信息获取能力：在不更新模型权重的前提下，让 LLM 通过 Wikipedia 检索与浏览器工具主动找新信息。作者发现简单地把工具拼到顺序 context optimization 流水线里反而降低效果；只有配合「保留并剪枝多个候选 context」的 search-based 训练流程，主动信息获取才能稳定带来增益。在低资源翻译 (Flores+)、健康场景等多领域得到一致提升。

INSIGHT这篇是「检索 + 生成」联合优化思路里很有工业味的一篇：得到的不是新模型，而是一组优化后的 context（包含主动收集到的外部知识）。对社区搜索的启示是，不必每个新词条/新热点都微调底层模型，可以走 context-bank + 主动 retrieve 的轻量路径，但必须配合多候选 + 剪枝的搜索式训练流程，否则会被工具噪声带偏。这给「插件化 / 业务知识注入」做了一种可复用的方法学。

Zeyu Huang, Adhiguna Kuncoro, Qixuan Feng, Jiajun Shen, Lucio Dery
HuggingFace·2026-05-12·Relevance 4 · Novelty 4 · Practical 3 · Evidence 4 · Timely 4
10 3.45

MAP: A Map-then-Act Paradigm for Long-Horizon Interactive Agent Reasoning

MAP 针对当前交互式 LLM Agent「边走边猜环境」的 Delayed Environmental Perception 问题，提出先 Map 再 Act 的范式：(1) Global Exploration 获取环境通用先验；(2) Task-Specific Mapping 构建结构化认知地图；(3) Knowledge-Augmented Execution 在地图上下文中执行任务。该框架是插件式的、模型无关。在 ARC-AGI-3 上，MAP 让前沿模型在 25 个游戏环境中的 22 个超过此前接近零的基线表现。

INSIGHT「先建地图再行动」是对 ReAct 风格 Agent 一个干净的反转，对生成式搜索/Deep Research 场景尤其重要：搜索 Agent 在第一次访问站点时往往不停被结构骗到（无限滚动、广告、相关推荐），而真正高效的是先做一次站点结构与内容拓扑的 prior 提取，再针对当前 query 构造可执行 plan。对社区搜索 Agent，可对应到「先对当前社区的内容分布与互动结构构图，再在图上做用户 query 的 mapping → execution」，可大幅减少多步 trial-and-error。

Yuxin Liu, Ziang Ye, Yueqing Sun, Mingye Zhu, Jinwei Xiao
HuggingFace·2026-05-12·Relevance 3 · Novelty 4 · Practical 3 · Evidence 4 · Timely 4

其他赛道今日

点击切换
Personalization
8
个性化推荐 · 篇入选AI Search
10
AI 搜索 · 篇入选Agentic
10
智能体搜索 · 篇入选Infra
10
系统与索引 · 篇入选

开源雷达

GitHub / HuggingFace 热门 · 5 个项目
internlm/WildClawBenchHard, practical, end-to-end evaluation for AI agents — in the wild. 📌 Overview 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-sou; tags: task_categories:visual-question-answering, task_categories:image-text-to-text, task_categories:question-answering, language:en, language:zh, license:mit, size_categories:n<1K, region:usdataset · ★ 59 · 2026-03-24 · HuggingFaceQwen/WebWorldDataWebWorldData 🌐 Overview WebWorldData is a large-scale dataset of 1.06M web interaction trajectories collected from the open web, designed for training browser world models. It is the training data behind the WebWorld model series. Each trajectory consists of sequences of (state, ; tags: task_categories:text-generation, language:en, language:zh, license:apache-2.0, size_categories:100K<n<1M, format:json, modality:text, library:datasetsdataset · ★ 22 · 2026-02-13 · HuggingFacezai-org/GLM-5.1pipeline: text-generation; tags: transformers, safetensors, glm_moe_dsa, text-generation, conversational, en, zh, arxiv:2602.15763model · ★ 1643 · 2026-04-03 · HuggingFacemoonshotai/Kimi-K2.6pipeline: image-text-to-text; tags: transformers, safetensors, kimi_k25, feature-extraction, compressed-tensors, image-text-to-text, conversational, custom_codemodel · ★ 1279 · 2026-04-14 · HuggingFaceTencentARC/Pixal3Dtags: gradio, region:usspace · ★ 90 · 2026-04-30 · HuggingFace