SearchJev 论文：System-1 快速决策让搜索 Agent 提速 4 倍还更准
_reachsumit · x · 2026-10-06
arXiv 论文提出 SearchJev，一个为搜索 Agent 设计的快速、校准良好的 System-1 决策模型。
- 核心思路：把搜索中的短决策（相关性、证据充分性、搜索动作）与 System-2 的规划/查询生成/答案组织分离，SearchJev 直接从 token logits 打分，不做自回归生成，只把不确定的判断交给大模型。
- 方法：提出 Soft-Label Learning（SLCD），从不确定监督中学习决策概率并校准置信度；同时发布统一六类搜索决策的新基准 SearchDecision-Bench。
- 结果：在同尺寸下优于 Qwen3.5 自回归模型，决策速度提升 5.2-5.3 倍，期望校准误差降低 41-74%；在 BrowseComp-Plus 上双系统 Agent 有效搜索时间加速 3.7-4.7 倍，答案准确率从 45% 提升到最高 54%。
「编程与Agent」频道最新
- Matt Pocock：把 AI 编码技能定制成你自己的工作流 — mattpocockuk · 2026-10-06
- 斯坦福 ACE 团队推出 Sentry:失败知识常驻上下文反而拖累 Agent — StanfordAILab · 2026-10-06
- 防 Claude 封号：Shadowrocket 七步 TUN 配置堵漏指南 — aigclink · 2026-10-06
- ChatGPT 插件提交流程简化:上传 zip 即可送审 — Dimillian · 2026-10-06
- 一个工具搞定抓取+提取:开发者实战解决 Agent 上下文溢出 — OkShirt9372 · 2026-10-06
- 跑了几十小时端到端基准,Strata 推理服务器在完整构建任务上翻车 — julianharris · 2026-10-06