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、排序模型及 LLM 在搜索中的应用。 — 评分 65 篇，入选 10 篇，分数 3.90 – 4.50
论文从公开技能市场收集 263 个高风险第三方技能，按 7 类威胁配套标准任务与沙箱，系统测试 3 种主流 CLI Agent 框架和 13 个先进模型。即使最安全的配置仍在约 17% 的案例中执行危险动作，暴露出识别风险、及时阻断和权限收敛三类失效。
Alibaba阿里云把搜索结果改造为 Agent 可直接消费的 JSON/Markdown，并以 Skills、Agent Builder、混合检索上下文引擎和 FalconSeek 组成完整栈。公开生产数据称 FalconSeek 覆盖 90% 线上查询，整体性能提升 50%–300%，排序、聚合和向量查询最高分别提升 3.54、6.8 和 4 倍。
INSIGHTAgent 原生搜索的关键不是在传统搜索外包一层对话，而是把检索接口、结果结构、权限和运维动作都改造成可验证的机器契约。UGC 搜索团队可优先将召回、重排和诊断能力封装为只读 Skill，再用结构化结果减少 Agent 解析网页与重复总结带来的延迟和幻觉。
The Overlake SchoolEdwards VacuumUniversity of MemphisTriAgent 用 VADER、FinBERT 与 Qwen2.5 组成不同粒度的委员会，再以三方语义分歧指数动态决定是否调用昂贵推理模型。LLM 作为评论员时 F1 在 1.5B–7B 模型上稳定约 0.87，同尺寸三角色投票仅 0.66；分歧信号检测幻觉的 AUC 达 0.90，并估算千万用户规模年省 930 万美元。
INSIGHT可迁移的核心是“分歧触发升级”：简单查询由便宜模型快速处理，只有词、句和跨句判断冲突时才升级到强推理器。社区搜索可把词法召回、轻量相关性模型和 LLM 重排器组成分层委员会，用分歧而非固定流量比例控制深度推理成本，并把同一信号用于异常答案监控。
SUSTech
HKUST
Huawei
Beihang UniversityVizRAG 将知识超图渲染为视觉线索，让多模态模型同时利用文本证据与高阶实体结构，并通过 HyperViz 缓解视觉拥挤和渲染偏差。在 5 个数据集上相对 GraphRAG 的回答胜率达 70.2%–82.2%；结构消歧准确率由 71.5% 升至 79.0%，每次查询只增加约 0.21 秒。
INSIGHT多跳检索的瓶颈往往不是缺少文本，而是模型难以辨认多个实体共同参与的关系结构；将超图显式可视化能给多模态模型提供低成本结构捷径。UGC 问答可先在复杂人物、事件或话题链路上试点，并以 0.21 秒增量延迟和多跳 EM 提升共同评估是否值得上线。
Queen Mary University of London
Temple University论文把开放问答推理拆成片段，以 NLI 标注局部前提关系、构建超图，再通过确定性的反向 AND–OR 搜索判定每个片段是否有完整支撑树。新建的 UroReason 含 40 个真实病例和 305 个医生标注片段；同一 Qwen3-30B 从直接评审的平衡 F1 0.079 提升到结构审计的 0.549。
INSIGHT与其让另一个 LLM 对整段回答打一个不透明分数，不如先验证局部蕴含，再用确定性图搜索组合为可审计结论。对社区搜索的深度回答，可把引用片段、推理步骤和最终结论建成支持图，优先拦截无上游证据的“孤儿结论”，同时保留可回放的失败路径。
Flinders University论文把多轮对话中的语义漂移、敏感信息累积图和服从梯度合并为会话级 CRA 风险轨迹，并提出带家族对抗训练的 CRA-Net DA。CRA-Bench 包含 1200 个八轮会话并扩展到 2000 个五类攻击会话；完整 CRA-Net 在主测试集取得 0.993 AUROC，严格误报率为 0.008。
INSIGHT逐轮安全过滤会漏掉“每一步都无害、组合后越界”的攻击，Agent 搜索尤其容易在连续检索和工具调用中累积风险。实践上应把会话状态作为独立安全层，持续记录查询漂移、实体敏感度和模型服从趋势，并在阈值越界时生成可审计证书而非只返回一次拒答。
KAISTGraphContainer 用统一图表示层把 4 类主流 Graph RAG 格式映射为共同状态，再由 Graph Recorder 逐步记录检索到的节点和边，并在交互界面中回放。系统支持 FastInsight、LightRAG、PathRAG、HippoRAG 等异构图的受控比较；该工作被 VLDB 2026 Demo 接收，但未给出线上效果指标。
INSIGHTGraph RAG 调优难点在于格式不兼容和检索路径不可见，统一中间表示加增量轨迹记录能把模型、图结构与检索策略解耦。社区搜索可借鉴其做法，把每次扩展、剪枝和证据选择写成可视化事件流，快速定位多跳答案究竟因图构建还是检索策略失败。
Sichuan UniversitySLPO 为连续隐状态构造经验高斯代理策略密度，并加入正确性监督的停止头，使结果奖励能同时优化隐式推理轨迹和计算长度。Llama-3.2-1B 的软隐式推理在 GSM8K/MATH500 上达到 46.70/27.20 准确率，高于 LEPO 的 40.56/24.80，并能给困难样本分配更多隐式步数。
INSIGHT显式思维链把大量推理预算花在语言化中间步骤，SLPO 展示了直接在隐空间做策略优化和动态早停的可行路径。搜索 Agent 可先用于可验证的查询分解或答案选择任务，以最终正确率作为奖励；但代理密度和停止阈值仍需严格校准，尚不适合直接替换线上可解释链路。
Chinese Academy of Sciences
BaiduDocOps 用内容、格式、结构两轴分类和 L1–L4 四级复杂度构造 210 个可确定验证的文档操作任务，并比较 4 类执行框架。最佳 GPT-5.5＋Codex＋技能配置通过率仅 0.671；GPT-5.5 从 L1 的 0.725 降至跨文档 L4 的 0.237，显示长程状态跟踪仍是主要瓶颈。
INSIGHTAgent 评测应检查最终原生文件状态，而非只看语言解释或截图；结构谓词、内容锚点和非目标区域保留约束共同避免“任务完成但文档被破坏”。搜索团队构建自动研报或知识整理 Agent 时，可沿用分级任务和确定性验证器，把跨步骤一致性作为独立上线指标。
GoogleGoogle 在 13917 名参与者中随机比较 5 种 Gemini Flash 2.0 访谈 Agent，由三名认证临床医生盲评差异诊断。Agent 主动追问的所有策略都显著优于用户单向描述基线，SymptomAI 的诊断在 53.3% 案例中被评为最佳，并用 Fitbit 生理信号做了观察性外部校验。
INSIGHT真正的对话 Agent 不应被动等待完整 query，而要根据缺失信息选择高价值追问；大规模随机分组证明主动信息获取本身能提升最终判断。社区搜索可把这一思路用于模糊需求澄清，但应像该研究一样把动态追问与固定问题模板分组评估，并保留高风险领域的人类复核。