agentic search
PulseAugur coverage of agentic search — every cluster mentioning agentic search across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
多样化初始查询可提升代理搜索性能
一项名为 DivInit 的新研究干预表明，在代理搜索中多样化初始查询可以显著提高性能。在匹配的计算资源下，该方法在多跳问答任务上平均提高了五到七个点。该技术直接解决了标准代理搜索方法中常见的收益递减问题。
-
新论文提出 Agent Harnesses 以变革 Agentic Search
一篇新论文探讨了 Agent Harnesses 如何彻底改变 Agentic Search，并将其与 grep 对文本处理的影响相提并论。研究提出，这些 Harnesses 可以显著提高基于 Agent 的搜索系统的效率和有效性。该方法旨在重新定义 Agent 与信息交互和检索的方式。
-
AI 代理通过 Agentic Search 增强上下文工程
文章探讨了 Agentic Search 的概念，这是一种利用 AI 代理来增强大型语言模型上下文工程的方法。该方法旨在改进模型检索和利用信息的方式，从而可能产生更准确、更相关的响应。作者讨论了该技术对各种应用的意义，并强调了其在推进 AI 能力方面所起的作用。
-
新方法解决代理搜索和RAG中的信用分配问题
研究人员正在开发新方法来解决代理搜索和检索增强生成（RAG）系统中的信用分配问题。论文提出了图距离贡献奖励（GDCR）和步进优势策略优化（SAPO）等技术，以更好地评估复杂搜索中的各个步骤。其他方法，如APEX-Searcher和RICE-PO，则侧重于通过子目标细化信用分配，并将检索交互转化为学习信号。此外，MimirRAG提出了一个专门用于金融数据的多代理RAG框架，集成了元数据和代理工作流，以提高准确性和分析师可用性。
-
Grep 工具在 Agentic 搜索中匹配向量检索的准确性
一项题为“Grep 是否就是你所需要的？”的新研究，通过将传统的 grep 工具与 Agentic 搜索中默认依赖的向量检索进行比较，对后者的普遍依赖提出了挑战。使用 LongMemEval 基准进行的实验表明，grep 通常优于向量检索，尤其是在引入不相关上下文时。研究强调，代理（agent）的驾驭和工具调用方式比检索算法本身对性能的影响更大。