NeurIPS Spotlight论文DCI:用grep取代top-k检索的Agent搜索新范式
stanfordnlp · x · 2026-09-25
斯坦福 NLP 团队（Dongfu Jiang、Wenhu Chen、Jimmy Lin 等）的论文《Beyond Semantic Similarity: Rethinking Retrieval for Agentic Search via Direct Corpus Interaction》入选 NeurIPS 2026 Spotlight。论文提出 DCI-Agent，重新思考 agentic search 的检索方式：不用 embedding 模型、不用向量索引、不用检索 API，而是让 agent 直接对大规模本地语料执行终端式操作——grep、read、bash、正则、轻量脚本等，结果是精度更高、token 成本更低。作者认为经典 RAG 的 top-k 检索是一个“压缩接口”，agent 只能看到检索器决定呈现的内容，早期被过滤的证据无法靠下游更强推理找回，而 agentic 任务需要发现中间实体、组合弱线索、多步假设修正，恰好适合直接操作语料。论文与代码已开放。
所属事件:DCI论文入选NeurIPS 2026 Spotlight，grep式搜索胜过top-k(3 条相关)→
「编程与Agent」频道最新
- 用 Opus 5.5 写 p5.js 代码逐帧画出中秋拼贴风动画 — oran_ge · 2026-09-25
- IAB 工作组织者反思:agent 架构已定型,规划推理之外的 behaviors 是空白 — DanielKhashabi · 2026-09-25
- 只用 skills 和 Markdown,给 Obsidian 做出 AI 轮播图画布编辑器 — evielync · 2026-09-25
- Baseten Loops 用 LangSmith 轨迹微调开源模型,打通 agent 自我改进闭环 — BraceSproul · 2026-09-25
- 伪自蒸馏让小模型追平 GPT-4.1-mini 的 Agent 记忆检索 — burny_tech · 2026-09-25
- 用 Replit Animation 配 Opus 模型,30 分钟内用 JavaScript 做出动画视频 — amasad · 2026-09-25