- 1. CoRe: A Continuously Reward-Finetuned LLM Query Rewriter for Multi-Stage Context-Aware Relevance in Web-Scale Video Search · 📖 深度解读
针对生产环境 LLM query 改写器的两难——奖励要反映改写如何被线上排序器消费，训练又必须便宜到能随数据漂移持续重训——提出 CoRe，已在某大型短视频搜索引擎按周重训上线超过 5 个月。奖励直接取自已部署的多模态相关性模型，并采用与生产融合公式一致的乘性比值形式，消除离线奖励代理与线上的偏差；半在线 Mixed Preference Optimization 用 DPO 式成对目标只对采样轨迹的 top-k/bottom-k…
出现于日报：06-16
- 2. TASR: Training-Free Adaptive Stopping for Iterative Retrieval
迭代式 RAG agent 常在模型已收敛答案后继续检索，这些调用既不改预测也不改证据，纯属浪费；已有停止策略需从标注轨迹学习，换模型或任务就要重训。TASR 提出一条免训练判据：当模型重复上一轮归一化答案、且经等渗校准的 logit margin 超过 0.25 时即停止，该阈值在全部 24 个(模型,检索器,语料)配置下固定不变。在 3 模型×2 数据集的干扰网格上…
出现于日报：06-16
- 3. Scaling Enterprise Agent Routing: Degradation, Diagnosis, and Recovery
研究生产环境中 LLM 助手把用户请求路由到工具库的准确率如何随目录规模下降。在一个已部署的企业办公助手上（110 个 agent、584 个工具），三款前沿模型从 10 个 agent 扩到 110 个时，欠规约请求的路由 F1 下降 16–23 个百分点。作者用 oracle 分析把退化拆成“检索缺口”（模型找不到正确工具）与“混淆缺口”（即便检索完美，oracle 上限仍降 10pp）…
出现于日报：06-18
- 4. Decoupling Search from Reasoning: A Vendor-Agnostic Grounding Architecture for LLM Agents · 📖 深度解读
生产环境 LLM Agent 越来越依赖实时搜索，但模型自带的 native search grounding 把检索策略、provider 选择、证据注入、成本、延迟、生成行为捆绑在单一模型-厂商边界内，难以检视、调参、复用与迁移，还会触发 Search-Induced Verbosity 破坏严格输出格式。论文提出 Decoupled Search Grounding (DSG)…
出现于日报：06-19
- 5. HyperTool: Beyond Step-Wise Tool Calls for Tool-Augmented Agents · 📖 深度解读
工具增强型 LLM agent 普遍用 step-wise 原子工具调用，每次调用、观测、取值都暴露在主推理轨迹里，造成执行粒度错配：本可确定性执行的工具子流程被展开成大量模型可见的低层决策，挤占上下文。HyperTool 提出统一的可执行 MCP 风格工具接口——模型用一段代码块按工具原始 schema 调用、处理返回值、在本地传递中间结果，把确定性子流程折叠进一次外层调用…
出现于日报：06-15
- 6. SENTINEL: Failure-Driven Reinforcement Learning for Training Tool-Using Language Model Agents
用 RL 训练多轮工具调用 agent 时，训练任务分布在训练前就固定，会与策略不断演化的能力错配，大量 rollout 浪费在无信息量的任务上。SENTINEL 是 failure-driven RL 框架，把 Solver 的 rollout 失败转化为针对性训练任务，采用 Controller-Proposer-Solver 流程：Controller 分析失败轨迹归纳反复出现的错误模式…
出现于日报：06-15
- 7. Effective Reinforcement Learning for Agentic Search by Recycling Zero-Variance Queries During Training
GRPO 类算法训练 LLM 搜索 agent 时，只有 rollout 组同时含成功和失败的 query 才贡献梯度；全对(太易)和全错(太难)的零方差组白白消耗 rollout。作者发现 query 会随策略演化在零方差与有信号之间反复翻转，提出 query recycling：把零方差组放回可变池等待后续重采样，让有效训练分布随策略共同演化…
出现于日报：06-15
- 8. SearchSwarm: Towards Delegation Intelligence in Agentic LLMs for Long-Horizon Deep Research
长程任务的上下文需求可无界增长，但模型上下文窗口有限。SearchSwarm 针对 deep research 提出委派智能：主 agent 分解任务、把子任务派给子 agent，子 agent 执行后只回传摘要结果，节省主 agent 的上下文预算。难点在何时委派、委派什么、如何整合返回结果——这类数据在自然文本里稀缺。作者设计 harness 引导模型做高质量任务分解与委派、并约束子 agent 规范回传…
出现于日报：06-15
- 9. Beyond Monolingual Deep Research: Evaluating Agents and Retrievers with Cross-Lingual BrowseComp-Plus
Deep research Agent 通常被要求检索证据、对来源推理并给出有依据的答案，但现有 browsing 基准默认 query 与证据同语种，无法回答"证据在另一种语言时 agentic search 还能否工作"。论文提出 XBCP（Cross-lingual BrowseComp-Plus），保留 BrowseComp-Plus 的英文问答空间…
出现于日报：06-19
- 10. Benchmarking LLM Agents on Meta-Analysis Articles from Nature Portfolio
针对系统性科学推理，作者构建 MetaSyn——442 篇来自 Nature 子刊、专家整理的 meta 分析数据集，每条含研究问题、PI/ECO 筛选标准、14 万篇 PubMed 检索语料、已核验的正例研究，以及主题相近但不符合 PI/ECO 的难负例。在 12 种流水线（9 种 RAG 变体加一个协议驱动 agent）上评测发现：检索召回上限可达 90.9%（K=200），但没有任何系统能恢复超过 52.7% 的真实正例…
出现于日报：06-18