滑铁卢大学推AgentIR：让检索器读懂推理，准确率飙升
hllo_wrld · x · 2026-08-01
滑铁卢大学 R2L 实验室两项研究被 COLM 2025 收录：
- AgentIR：针对深度研究智能体在搜索前会生成自然语言推理，但传统检索器完全忽略这一信息的问题，提出了「推理感知检索」范式。该范式将智能体的推理轨迹与查询联合嵌入。结合配套的 DR-Synth 数据合成方法训练出的 AgentIR-4B 模型，在 BrowseComp-Plus 基准上配合通义深度研究智能体取得了 68% 的准确率，显著优于体积两倍于它的传统嵌入模型（50%）和 BM25（37%）。
- LakeQuest：针对现有 QA 基准多基于整洁文本，而真实数据往往混杂在充满表格、文档和残缺元数据的“数据湖”中的问题，构建了全新的评测基准，要求系统在杂乱数据中寻找答案并溯源证据。
所属事件:滑铁卢大学推出AgentIR新型检索范式(3 条相关)→
「编程与Agent」频道最新
- OpenAI Codex 隐藏技巧：开启 Max 推理可大幅降本 — daniel_mac8 · 2026-08-01
- Anthropic 智能体误发恶意包窃取密钥，安全研究员溯源分析 — mariofilhoml · 2026-08-01
- 编码智能体成本大比拼：Claude Code 花费约为开源方案 3.7 倍 — Teknium · 2026-08-01
- Grok Build 更新：支持永久删除会话与诊断优化 — XFreeze · 2026-08-01
- audio.cpp 0.5 发布：支持戏剧化 TTS 与跨语种语音转换 — Acceptable-Cycle4645 · 2026-08-01
- 开发者用 Codex 实现 GitHub 贡献破 3000，月耗百亿 token — DeryaTR_ · 2026-08-01