VLDB 报告：Deep Research 智能体需与检索器协同训练
CShorten30 · x · 2026-09-05
Akari Asai 在 VLDB 做了关于 Deep Research 的报告，介绍 DR Tulu 与 AgentIR 两项工作。
- DR Tulu：用基于评分标准（rubrics）的训练方法，让深度研究智能体学会在 BM25 与向量检索之间选择合适的检索器，效果显著。
- AgentIR：核心洞察是为智能体的中间推理与搜索查询训练专用嵌入模型，提升检索与推理的协同。
作者还提出一个开放方向：把 AgentIR 与 BM25、ColBERT 式反馈结合，在「基于推理依据搜索」与「利用搜索返回结果」之间找到折中。
所属事件:VLDB报告:Deep Research需协同设计检索器(4 条相关)→
「编程与Agent」频道最新
- OpenAI dots 接入 Merge for Workforce：员工权限即 agent 权限 — shensi · 2026-10-21
- 拆解 Agent 拓扑:模型、循环与工具各跑在哪,决定成本与安全 — davidcrawshaw · 2026-10-21
- Agent 全盘+辅助功能权限失控，企业急需任务级访问控制 — leveragedupside · 2026-10-21
- Acellera 用无监督 AI 科学家虚拟实验室跑真实分子发现项目 — gdefabritiis · 2026-10-21
- Pydantic 作者实验：让 Monty 沙箱直接跑 JS/TS 与 React 组件 — samuelcolvin · 2026-10-21
- Supabase 上线新技能：让编码代理自动巡查日志找异常 — dshukertjr · 2026-10-21