- 1. DynaTree: Dynamic Agentic Retrieval Tree for Time-Sensitive News Retrieval
针对 agentic RAG 把语义扩展与检索决策耦合在短视推理循环里、导致时效性新闻检索推理成本高的问题，提出 DynaTree 两阶段框架。离线阶段用多个协同 agent 构建一棵可复用的检索树，把某个 query 主题的语义空间一次性物化；在线阶段只在时间局部化的评估代理上做轻量的子树选择，不再做 agentic 推理、不改树、也不重训。在多天 Syft 新闻基准和多个 BEIR 数据集上验证了检索效果与效率的折中。
出现于日报：06-02
- 2. Cascading Hallucination in Agentic RAG: The CHARM Framework for Detection and Mitigation
多步 agentic RAG 流水线在复杂推理任务上能力很强，但早期阶段引入的错误会沿推理链逐级传播并放大，最终产出“自信但事实错误”的结果，而现有幻觉检测机制系统性地漏掉这类失败。论文把这种“级联幻觉(cascading hallucination)”形式化为 agentic RAG 的一种独立失败模式，给出四类级联模式的分类，并提出 CHARM 架构框架：包含阶段级事实校验、跨阶段一致性追踪、置信度传播监控、级联消解四个组件…
出现于日报：06-05
- 3. When Retrieval Doesn't Help: A Large-Scale Study of Biomedical RAG
论文在生物医学问答上系统重检验“RAG 一定有用”这个假设，覆盖 5 个 7B–72B 开源指令模型、10 个生物医学 QA 数据集、4 种检索方法、4 个检索语料。结论是：检索相比无检索基线只带来小且不稳定的提升，通常在 1–2 个点以内；而更换 backbone 模型的影响远大于更换检索器或语料，专家来源与通俗来源的检索效果也接近。作者判断瓶颈不在检索质量本身，而在模型利用检索证据的能力有限。
出现于日报：06-05
- 4. Improving the Efficiency and Effectiveness of LLM Knowledge Distillation for Conversational Search
会话搜索依赖 LLM 做 query 改写来提升相关性，但推理期调用 LLM 成本高。论文研究从 LLM query 改写做知识蒸馏的若干细节：在 KLD 蒸馏目标上加入对比损失，发现能显著提升 precision 类排序指标，并系统比较了不同对比采样策略对蒸馏效果的影响。目标是用小模型逼近 LLM 改写带来的相关性，同时把推理成本压下来。
出现于日报：06-05
- 5. Harness-1: Reinforcement Learning for Search Agents with State-Externalizing Harnesses
针对搜索 agent 在长 transcript 上既要做语义检索决策、又要在策略里维护「看过什么、哪条证据有用、哪些约束未闭合、哪些论断已核实」这类簿记状态的问题，本文提出 Harness-1：一个 20B 检索子 agent，在一个有状态的 search harness 内用强化学习训练。harness 在环境侧维护工作记忆——候选池、按重要性打标的 curated set、压缩去重后的…
出现于日报：06-03
- 6. Masking Stale Observations Helps Search Agents -- Until It Doesn't: A Regime Map and Its Mechanism
长程搜索 agent 在多次工具调用中累积大量检索内容，上下文预算效率愈发关键。一个最小干预是随轨迹推进把 stale observation 从上下文里 mask 掉，但何时有效、为何有效并不清楚。本文在 4B 到 284B 多种 agent backbone、3 种 retriever、离线与 live-web agentic search benchmark 上做系统 sweep…
出现于日报：06-03
- 7. Skill Is Not Document: A Query-Conditional Benchmark and Two-Stage Retriever for LLM Agent Skill Routing · 📖 深度解读
给 agent 召回 skill 时，单个 skill 相关还不够，召回的几个还得能一起用。作者发现，大模型合成训练 query 时拒掉的 skill 组合是很好的监督：把这些拒绝记录只交给 cross-encoder 重排模型去学，前几位凑齐整组 skill 的比例从 28.12% 提到 33.27%；同样的记录当双塔召回的难负样本，这个比例反而掉到 21.58%…
出现于日报：06-04
- 8. Streaming Communication in Multi-Agent Reasoning
多智能体推理系统普遍采用“先生成后传递”，端到端延迟随流水线深度线性增长。StreamMA 让每个推理步一生成就流式传给下游 agent，相邻 agent 流水线化以降低延迟；意外的是这还提升了效果——因为多步推理质量不均匀、早期步比晚期步更可靠，只用可靠的早期步能避免易错的晚期步误导下游。论文给出 stream/serial/single 三种协议的首个闭式联合分析，推导出效果排序、加速上界与成本比…
出现于日报：06-05
- 9. On the impact of retrieved content representations in RAG Pipelines
多数 RAG 流水线沿用为「人类读者」设计的检索组件，但当下游消费者是 LLM 而非人时，检索内容应如何表示并不清楚。论文做了一项控制实验：固定检索结果，只改变文档表示，把原始基线与覆盖筛选 (selection)、摘要 (summarisation)、改写 (reformulation) 三类共 13 种变换做对比，并区分 query 相关与 query 无关两种设定，系统性地考察哪种表示特征对生成最关键。
出现于日报：06-02
- 10. Critic-R: Improving Agentic Search using Instruction-tuned Retrievers with Natural Language Introspective Feedback
agentic search 系统反复与检索模型交互回答复杂 query，但为 agentic search 优化 retriever 通常需要重度协同训练或 gold 标注，限制落地。本文提出 Critic-R，在推理与训练两阶段显式闭合 reasoning agent 与 retriever 之间的反馈回路：引入 critic 模型，在 agent 消费检索证据后评估其 introspective reasoning trace…
出现于日报：06-03