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 59 篇，入选 10 篇，分数 3.70 – 4.75
论文分析深度研究智能体的推理轨迹，发现大量迭代几乎不带来新信息，提出结合搜索新颖度与信息覆盖度的 Retrieval-Aware Agent Controller（RAAC）。在 BrowseComp-Plus 及多类深度研究智能体上，RAAC 平均减少 14 次搜索调用，准确率平均提升 3%，最高提升 10%。
论文审计多跳检索基准中常被忽略的商业许可和构建成本，并在统一 MuSiQue 测试框架中比较 8 家厂商的 13 个 embedding 模型。此前商用模型在 Recall@5 上落后 2.31 个百分点；2026 年 7 月发布的 Nemotron-3-Embed-8B 已缩小差距至 +0.24，差异不显著。
INSIGHTAgentic RAG 选型不能只看论文榜单，还要把许可证、显存、索引构建和可替换性纳入验收。企业落地应固定同一多跳任务集，记录 Recall@5、成本和置信区间，避免把不可商用的 SOTA 直接当作线上方案。
论文在 SWE-bench Verified 中研究固定 12 槽上下文预算下的检索配置，发现提高 Recall@K 不一定提高任务成功率。关闭按文件去重后，gpt-5.6-sol 单次修复率从 39.2% 升到 46.8%（+7.6 个百分点），Qwen3.6-27B 复现提升 3.6 个百分点。
INSIGHT对搜索 Agent，检索指标必须和最终任务指标绑定；固定上下文预算下，更多文件覆盖可能挤掉同一文件内的关键证据。社区 UGC 场景也应 A/B 测试上下文打包、证据深度和回答/点击结果，而不是只优化 Recall@K。
Plan 让搜索 Agent 在第一次检索前先把问题拆成有序子问题，使每步搜索锚定既定目标，减少被部分相关文档带偏。作者在 3B–14B 的三个模型家族上发现相同奖励会产生不同 RL 失败模式，并用小模型筛选轨迹自举，在多跳问答基准上稳定超过基线。
INSIGHT复杂搜索适合先规划证据依赖，再逐步检索，而不是让每轮结果决定下一轮方向。对短文本社区搜索，可把‘实体确认—属性补齐—交叉验证’建成轻量子问题链，并按 query 难度选择是否启用，避免简单 query 被过度推理拖慢。
论文发现工具检索器会因训练来源风格变化而失效，即使工具库本身不变；作者将这种现象称为 source-style collapse，并用查询侧 TF-IDF 指纹检测风格错配。ToolScout 在 4,996 条混合查询上把覆盖率从 22.3% 提升到 86.1%，五个坍缩来源的 top-1 代理指标从 1.3% 提升到 53.9%。
INSIGHTAgent 的工具调用质量首先受工具检索闸门影响，语义相似度高不代表能找到可执行能力。线上可增加来源风格监控和路由守门，按工具描述、参数格式和调用示例做分布漂移检测，再决定是否切换检索器或补充少量示例。
论文把语料语义关系在入库时编译成可查询的低秩语义基底，并研究语料持续变化时的增量维护。合成实验将语料从 3,000 扩到 9,000 篇、经历 50 次更新；增量更新单次便宜 33.7 倍、累计便宜 23.8 倍，Recall@10 保持 1.0，仅重嵌入约 10% 文档即可达到 0.95 平均余弦相似度。
INSIGHTAgentic RAG 的成本不应随每次问题重复解释整个语料。对持续增长的 UGC，可把主题、实体和语义邻接关系做成增量维护层，只对变化内容更新；同时保留全量重建作为周期校准，监控 Recall@10 和语义漂移。
论文在两个可扩展语料、三种 embedding 模型和多种规模上比较八类 chunking 方法，同时测量检索效果、索引吞吐、查询延迟和内存。结果显示，复杂且昂贵的切分很少稳定超过简单方法；即使效果相近，运行成本也可能差异很大，最佳方案取决于模型、数据集和目标指标。
INSIGHTAgentic RAG 的上下文质量先受切分粒度约束，不能只凭离线 Recall 选择复杂 chunker。社区内容应按帖子长度、结构和 query 类型做多目标评估，把索引时间、P99、内存与 nDCG/回答正确率放在同一张决策表里。
ClawGym II 提出面向复杂 Agent Harness 的黑盒强化学习框架：用沙箱并发 rollout、服务代理捕获模型调用，再用前缀树重建多轮轨迹，适配 PPO 和 GRPO，并进行混合 Harness 训练。Qwen3-30A3B 在 ClawGym-Bench 上通过 OpenClaw 和 Claude Code 分别提升 Pass@1 9.98 和 14.81 个百分点，200–400 步训练仍保持稳定。
INSIGHT当 Agent 行为由外部搜索、浏览器或代码 Harness 决定时，直接拿最终分数做 RL 会丢失中间轨迹。可借鉴其‘边界代理捕获调用—前缀树复用—多 Harness 联训’设计，但生产接入前应隔离工具副作用，并把搜索成本、失败恢复和安全约束纳入奖励。
RegulaRAG 面向长篇层级法规，结合 SmartChunking、图遍历增强段落与表格的引用关系，以及 Smart Retrieve & Rerank 生成合规测试场景。针对 UN Regulation No. 152 的人工整理数据集，它在五个基线中取得最高 Meta-Score 82.99，较 NoRAG 的 57.94 高 43%，每个 query 使用 14k–25k tokens，而图式基线最高消耗 500k。
INSIGHT这项工作说明复杂 Agent 检索的关键是保留跨 chunk 的引用和证据关系，而不是盲目扩大上下文。对社区问答可把帖子、评论、引用和时间线连接成轻量证据图，再用重排控制上下文预算，优先保证可追溯性和冲突检测。
NVIDIANVIDIA 工程博客展示 AI Coding Agent 如何调用 ALCHEMI Toolkit，把材料科学知识、计算高效的原子模拟实现和可访问的工具接口连接起来。该实践将 Agent 从文本生成推进到可执行科学工作流，重点是通过工具调用完成模拟配置、运行和结果解释。
INSIGHT对 Agent 搜索系统，工具检索和工具接口同样是能力边界：模型必须找到正确工具、填对参数并处理执行结果。社区搜索可借鉴这种分层设计，把检索、结构化参数校验和结果回写拆开观测，并为失败调用保留可复现轨迹。