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 54 篇，入选 10 篇，分数 3.35 – 4.40
University of Toronto / 
University of Waterloo / 
UC Berkeley针对深度搜索首次检索缺少线索组织的问题，Question’s Gambit先拆解问题、扩展互补查询，再合并重排结果作为智能体的起始上下文。在保持后续搜索循环一致时，GPT-5.5在BrowseComp-Plus上的准确率从83.1%升至90.5%，提升7.4个百分点。
GoogleGoogle将搜索查询分解的强化学习探索放到离线：先训练能生成互补子查询的模型，再合成监督数据，蒸馏到5390万参数扩散检索器。博客报告相对自回归方式获得12—20倍推理加速，利用相关性、集合多样性和数据库可检索性共同约束输出。
INSIGHT值得借鉴的是把昂贵的在线搜索规划转化成离线策略学习，再用小模型执行常见请求。UGC搜索可先对宽泛意图试验多角度证据召回，同时保留复杂问题的在线Agent路径；集合覆盖率和相关性需要共同评估，文中的时延结果仍须在短文本索引上复测。
论文用Elo-per-token比较不同预算下智能体已找到的最佳解，发现长会话的边际收益最终低于独立采样参照。研究覆盖4个通用Agent和4个开放任务基准；在拼块任务中按拐点拆分1亿Token预算，比单一长会话高264 Elo，比10个短会话高355 Elo。
INSIGHT深度搜索可记录每轮新增有效证据与Token消耗，寻找继续搜索收益明显下降的位置，作为停止或重启的依据。该研究提示预算策略本身值得优化，但Elo来自开放优化任务；迁移到UGC时，应使用答案正确率、证据覆盖与响应时延，不能照搬1亿Token实验预算。
UC San Diego
University of Illinois ChicagoRSIAgent通过课程、执行和验证角色先广泛探索环境，再深入难例，把验证过的经验冻结成可复用记忆，不更新模型参数。OSWorld部分得分从71.97升至78.98，完整任务成功率从37.80%升至42.68%；未完成探索的任务沿用基线，解读汇总结果需注意此口径。
INSIGHT社区搜索Agent可离线探索工具参数、失败条件和内容接口，把有效经验保存为带适用条件的操作记忆。先验证记忆是否能跨查询迁移，再用于线上规划，避免将特定任务答案写入记忆造成泄漏；论文主要测电脑操作，搜索场景仍需独立验证nDCG与答案质量。
Zhejiang University
Fudan UniversityHazardAuditor把异构智能体的执行行为规范化为统一事件，再训练能判断运行时风险的守卫模型。GuardPO按决策归一化训练目标，减轻长解释对梯度的支配；在三个外部轨迹基准上最差F1为88.3%，高于其SFT初始化的86.2%，但并非所有基准都提升。
INSIGHT对会读取UGC并调用工具的搜索智能体，审核对象应包括动作参数、实际执行结果和上下文，而不只看最终答案。可以统一搜索、网页读取和代码执行日志后做轨迹风险识别，同时衡量误拦截和额外延迟；这项方法支持工具调用治理，不构成直接的排序效果优化。
这项金融尽调Agent审计把关键证据从显眼位置移到隐藏条件中，检查准确率、工具调用和成本的变化。实验中GPT-5.6-sol准确率从82.9%降到78.9%，Gemini-3.1-Pro从85.2%降到67.5%，说明正确数字与可信解释不能只靠答案总分判断。
INSIGHT社区帖子常把限制条件放在评论、补充说明或更新记录里，可借鉴其逐项主张附带证据的审计方式。应构建同题不同证据位置的配对测试，分别记录答案正确性、条件遗漏和每个正确答案的调用成本；金融数据室结果不能直接推导为UGC场景的同等降幅。
CiteGuard-RAG将混合检索、带引用生成、逐句证据校验和单次重新生成串联起来，由运行时校验决定接受、拒答或重试。研究在三个数据集共400个问题上评估，受控子集的检索准确率为99.1%，答案有据率和引用有效率均为98.3%，跨域表现更困难。
INSIGHT对社区问答，检索命中帖子并不代表生成的每句话都有依据，可以在答案交付前核对引用片段和具体主张，再进行有界重试。该论文支持把证据校验独立成模块，但“未检出幻觉”不等于没有幻觉；应以人工审核、拒答误伤率和尾部时延补充评估。
论文把Graph-RAG错误拆成推理损失、知识图谱缺陷和Cypher生成错误，避免把数据问题误判为模型能力不足。在生态时空图谱的8类缺陷实验中，结构破坏使准确率从0.93降至0.39；参数知识补偿又让表面查询错误缩小超过70%，掩盖底层故障。
INSIGHT社区搜索智能体依赖帖子关系、实体链接或结构化索引时，应分别监测数据完整性、工具查询正确性与答案证据链。尤其要注入缺边和过期内容测试，确认模型没有靠记忆给出看似正确的答案；此研究来自单一生态图谱，结论适合作为诊断假设而非通用收益保证。
Google DeepMind
University of Maryland
University of VirginiaDream-RSI从历史发现树构建回放模拟器，用低成本离线反馈优化探索策略，再将策略部署回在线探索，不修改底层代码Agent。数学任务的Sum–Difference得分达到1.145427，高于固定探索的1.144047；自相关任务少于1000次生成，但并非取得所有指标最优。
INSIGHT搜索团队可借鉴历史轨迹回放，离线比较查询扩展、证据验证和停止策略，以减少直接在线试错的成本。回放只能覆盖已经探索过的区域，对新的UGC内容和突发话题仍需在线检验；这是探索策略研究，迁移到社区问答时应防止把历史轨迹偏差当成稳定规律。
University of Calabria
University of PisaCNRClinAgent用ReAct循环调用临床试验搜索、PubMed和本地Python分析工具，为跨来源多轮问答组织证据。三种模型后端的目标完成率分别为1.00、0.94和0.88；Gemini的综合分为0.80，而DeepSeek思考模式计划质量为0.97，但专家评分更低。
INSIGHT可迁移到社区搜索的是把实时内容查询、外部资料补充和结构化统计拆成独立工具，并分别评估规划与最终回答。计划写得更好不一定让用户得到更可靠的答案，因此应同时检查工具效率、内容完整性和引用真实性；其医学领域评分不代表搜索相关性或CTR提升。