- 1. GRASP: GRanularity-Aware Search Policy for Agentic RAG
针对 Agentic RAG 不知道何时检索、该用语义还是关键词检索以及上下文粒度失控的问题，GRASP 用强化学习统一调度语义搜索、关键词搜索和段落阅读三类动作。奖励同时约束答案正确性、证据落地、互补检索与轮次效率，在多跳推理基准上同时提升召回和问答表现，并通过消融展示可解释的“浏览—核验—定点搜索”策略。
出现于日报：07-15
- 2. On-Device Deep Research at 4B: Exposure Bounds Faithfulness, Retrieval Bounds Coverage
论文在一台配备 24GB 内存的笔记本上固定使用 4B 模型，拆分评估深度研究代理的引用忠实度与可信覆盖率。将单篇来源暴露量从 400 字符增至 1500 字符后，检索来源的忠实度由 0.45 升至 0.58；但召回率约 0.40 时，覆盖率仍停在约 0.22，额外成本仅约 235 个输出 token。
出现于日报：07-16
- 3. Superintelligent Retrieval Agent: The Next Frontier of Agentic Retrieval · 📖 深度解读
SIRA 将多轮探索式搜索压缩为一次面向语料区分度的检索：离线补全文档搜索词，在线预测查询缺失的证据词，再用语料统计过滤无效扩展，最终执行加权 BM25。在 10 个 BEIR 基准上取得对比方法最佳平均效果；BrowseComp-Wikipedia 的 Recall@1/10/100 分别为 9.70%、15.27% 和 36.14%。
出现于日报：07-14
- 4. AgentKGV: Agentic LLM-RAG Framework with Two-Stage Training for the Fact Verification of Knowledge Graphs
AgentKGV 用动态路由和迭代查询改写解决知识图谱事实核验中的表述错配，并以轮次级蒸馏 SFT 将教师推理迁移到小模型，再用轨迹级 GRPO 优化检索策略。在 T-REx 长尾关系划分上，相比单轮 RAG 的 Macro-F1 提升 5.5 个百分点，两阶段训练再提升 9.4 个百分点，平均搜索调用由 3.24 降至 1.63。
出现于日报：07-14
- 5. Agentic-R: Learning to Retrieve for Agentic Search
针对现有搜索智能体仍沿用单轮相似度检索器、相似段落未必能支持最终答案的问题，论文同时用局部查询—段落相关性与全局答案正确性定义段落效用，并让智能体和检索器双向迭代优化。在 7 个单跳与多跳问答基准上，Agentic-R 面对不同搜索智能体均持续优于强基线。
出现于日报：07-17
- 6. Advancing Search-Augmented Language Models
Perplexity 以 SFT 建立拒答、指令遵循和语言一致性，再用可验证问答、规则化通用对话与门控奖励进行 on-policy RL，同时惩罚冗长输出和过度工具调用。单次搜索预算下 FRAMES 达 57.3%，高出 GPT-5.4 5.7 个百分点；预算为 4 时准确率 73.9%，单问成本约 0.02 美元。
出现于日报：07-14
- 7. To Answer or to Abstain: Mitigating Search-Agent Hallucinations via Abstention-Aware Reinforcement Learning
AWA-RL 聚焦搜索 Agent 在检索失败时仍被奖励机制诱导编造答案的问题，依据模型对具体查询的先验能力和在线训练观测动态塑造拒答奖励，并提出 RA-F1 衡量能力与可靠性的平衡。相较不拒答基线，绝对精确率最高提升 10.3 个百分点，RA-F1 提升 2.9 个百分点，而原始准确率只小幅下降。
出现于日报：07-15
- 8. Tool-Adaptive LLM Reranker
TALRanker 将逐文档相关性评分建模为可调用搜索工具的智能体马尔可夫决策过程，用语言保持型混合损失预热，再以非对称成本奖励训练模型：有把握时跳过工具，不确定时才检索外部证据。论文含 6 张表和 7 幅图，报告其在标准与推理型检索基准上达到 SOTA，同时吞吐量接近普通 pointwise 重排器。
出现于日报：07-15
- 9. Agentic AI and Retrieval-Augmented Models in Straight-Through Underwriting · 📖 深度解读
论文在 635 个合成但经人工校验的承保案例上，对比单模型、朴素 RAG 与多智能体 Agentic RAG。后者把定向检索、第三方数据检查、多步规则计算和反思串成可审计流程，在 GPT-5.2 上总体准确率达 86.5%，高于单模型的 77.6% 和朴素 RAG 的 76.9%。
出现于日报：07-13
- 10. How to Run an Autoresearch Workflow with RL Agent Skills and NVIDIA NeMo
NVIDIA 展示以编码 Agent、NeMo RL、NeMo Gym 和三类可复用 Skill 组成的自动研究闭环，覆盖环境搭建、基线、假设分支、实验台账、监控与论文转代码。在单张 L40S 48GB GPU 上，Agent 将 Qwen3-VL-2B-Instruct 的视觉计数准确率从 25.0% 提升到 96.875%，并启动 10 小时的论文算法验证训练。
出现于日报：07-15