搜索代理相关 AI 资讯 · AI 热点

7月5日

16:10

16:10

官方账号Decoder@Jonathan Kemper

新基准DiscoBench指出，AI搜索代理在多步研究中的真正短板不是搜索能力，而是当查询模糊时不会向用户追问澄清。测试显示，反复搜索但不追问的模型准确率仅51.9%，甚至低于直接猜测。表现最好的模型整体准确率也仅为43%。当移除查询中的歧义后，模型准确率最高可提升40个百分点。

AI模型 DiscoBench 搜索代理模糊查询追问

推荐理由：DiscoBench告诉你，AI搜索代理的问题不是搜不到，而是不敢问——模糊查询时卡住比瞎猜还差。

5月12日

19:11

19:11

官方账号arXiv cs.AI@Tz-Huan Hsu, Jheng-Hong Yang, Jimmy Lin

本研究探讨了在构建深度研究系统时，是否仅需词汇检索器BM25配合更强的大型语言模型即可实现高效结果。研究者提出了Pi-Serini搜索智能体，它具备检索、浏览和阅读文档三个工具。在测试集B-Plus上，Pi-Serini搭配gpt-5.5达到了83.1%的答案准确率和94.7%的证据召回率，超过了使用稠密检索的代理。通过调整BM25参数和增加检索深度，答案准确率提升了18.0%，证据召回率提升了11.1%和25.3%。这表明在推理能力更强的LLM辅助下，传统词汇检索仍能发挥重要作用。代码已开源。

论文搜索代理检索增强 BM25 大型语言模型开源/仓库

推荐理由：该研究挑战了稠密检索在深度搜索中不可或缺的假设，为构建轻量、高效、不依赖外挂向量库的搜索代理提供了新思路，值得关注推理模型与经典检索技术的结合。