验证引导的逆合成规划：反应反馈与证据时机
VGR（Verification-Guided Reflow）方法将反应验证作为决策动作引入 AND/OR 搜索，使 Retro190 上的验证可解性从 51.1% 提升至 62.6%。团队进一步提出早期剪枝与延迟引导策略，立即剪枝被拒反应并在完整候选路线形成时调整优先级。该策略在固定调度下将验证可解性进一步提升至 71.1%，同时减少了提议调用与独立验证查询次数。
#搜索
#搜索
今日 0 条arXiv cs.AIAI 评分3333
arXiv cs.LGAI 评分3535 RadonBench：针对组合几何问题的经典与学习引导搜索技术基准评测
研究者推出 RadonBench 基准，评估经典与学习引导搜索在组合几何无 Radon 格点构型求解上的表现。测试显示 PatternBoost 与 AlphaZero 分别构建出 10 点和 20 点的无 Radon 构型。
arXiv cs.AIAI 评分3838 RubricAtlas：从专家报告中挖掘类型级细则以评估深度研究智能体
RubricAtlas 评估框架通过从专家研报中提取类型级细则，用于系统评测深度研究智能体生成报告的分析完整性。该框架基于 3,079 篇中文金融研报构建并覆盖 99 种研究类型，将二元检查点关联至原文段落，独立评估完整性与论证有效性。在 10 个智能体的测试中，裁判流程取得 $\kappa$ = 0.71 的检查点一致性与 Kendall $\tau$ = 0.87 的排名一致性。
arXiv cs.AIAI 评分2323 基于双目标优化的智能即时预订筛选模型
该研究提出一种基于双目标优化的智能即时预订筛选模型，在保证整体预订率不下降的前提下最大化即时预订率。全球 A/B 测试表明，该模型在即时预订率与整体预订率指标上均优于此前的人工调优模型，并提升了房东的即时预订采纳率。目前该系统已正式部署于生产环境，每日服务数百万用户。
arXiv cs.AIAI 评分4747 真实 PMID 与错误论文：生物医学主张验证智能体的架构设计研究
针对生物医学主张验证智能体的对照研究表明，检索而非推理是主要瓶颈，闭卷模型引用的真实 PubMed ID 中仅 3/327 相关。自主编写 PubMed 查询的 ReAct 智能体将金标准召回率提升 3 倍并实现 62% 准确率，引用相关率达 67%。直接提供金标准摘要时准确率达 79-86%，证明仅验证引用存在并不安全；相关代码已开源。
arXiv cs.AIAI 评分2626 Order of the Sinking Star 非局部水晶交换谜题的 93 步精确解
研究人员针对游戏 Order of the Sinking Star 在 11*11 棋盘上的非局部水晶交换谜题，通过代价有界的精确广度优先搜索给出了 93 步的最优解，排除了所有更短可能。该搜索结合可采纳启发式与剪枝策略，计算中保留了 605,349,215 个占位集合与 1,863,925,136 个状态。研究团队公开了源代码和复现程序，完成了该谜题实例的计算机辅助证明。
arXiv cs.LGAI 评分3939 Lean Finder V2：支持查询消歧的 Mathlib 语义搜索框架
Lean Finder V2 是一种针对 Mathlib 的语义搜索框架，通过对抗训练与查询重写消除简短、模糊查询的歧义。在人工整理的 MathlibQR 基准上，该框架刷新 SOTA，较此前最优语义搜索引擎取得至少 11% 的相对提升。它在人类与编码智能体未标注查询测试中被评为最强系统，集成至 Claude Code 后提升了定理证明成功率。
Apple ML ResearchAI 评分4343 基于选择的结构化推理（SSR）：迈向高效多模态搜索智能体
研究人员提出基于选择的结构化推理（SSR）框架，将多模态智能体的开放式推理重构为从预设可复用的候选推理中进行选择。在 2B 与 4B 模型及 7 个多模态搜索评测基准上的测试显示，该方法在保持任务成功率的同时，将每轮推理延迟降低超过 90%，并将每个问题的模型总推理延迟降低 28–54%。
arXiv cs.AIAI 评分4343 Web$hell：面向智能体网络访问的统一接口
研究人员提出面向大语言模型（LLM）智能体的统一网络访问接口 Web$hell。该接口通过 WebContract 定义通用模式，利用 WebCompiler 将实时网页编译为可寻址的信息与动作对象，并在 WebCache 中维护，为智能体提供一致且持久的网络访问支持。实验表明，Web$hell 在网页搜索、网页导航和深度研究评测中均以更低成本取得了强劲的任务表现。
arXiv cs.AIAI 评分4545 KnowForge：面向开放域多模态文档问答的角色专精工具智能体流水线
研究人员提出多模态文档问答流水线 KnowForge，通过混合检索知识点索引、专职搜索的 Locator 智能体与专职解析图表文本的 Deep Reader 智能体实现分工协作。
arXiv cs.AIAI 评分3535 用于无监督专利权利要求分类的嵌入几何与聚类算法基准评测
一项基于 45,000 件美国专利的研究对比了双曲与欧氏变分自编码器（VAE）在无监督专利权利要求分类中的表现。在 3,000 次查询的 top-10 结果中，双曲模型检索到真正跨类别现有技术的概率比欧氏模型高出 52%（18.76% 对比 12.34%），但与官方分类一致性较低（NMI 为 0.2392 对比 0.3206）。作者已开源包含 91 项自动化测试的完整实现。
arXiv cs.LGAI 评分3131 大语言模型用于电商搜索页面级布局决策
研究人员探索利用大语言模型评估电商搜索页面插入推荐模块等布局决策，以替代高成本的线上 A/B 测试。通过对比直接 prompt 评估、prompt 衍生特征及基于表征（representation-based）的方法，实验表明基于表征的方法在预测用户参与度上持续优于直接 prompt 评估，为电商搜索离线布局评估提供了可靠基础。
arXiv cs.AIAI 评分4040 信息引出智能体的开放式信息检索研究
研究评估了跨越多个模型家族与参数规模的 11 个 LLM，揭示不同大语言模型对信息价值的判断差异如何塑造智能体的序列式信息检索行为。通过构建受控模拟环境，研究隔离了问题生成与受访者干扰，刻画出各模型在信息引出中展现的广度与深度特征，并考察了交互历史对信息评估的影响。项目代码、数据及轨迹文件已公开。
arXiv cs.AIAI 评分3636 AMBER：面向列表式视觉-语言重排序的多视角自适应预算分配框架
研究团队提出多视角重排序框架 AMBER，以优化视觉-语言模型（VLM）列表式多模态检索中的推理预算分配。该框架通过连续 Elo 更新维护全局排序状态，在候选视角与查询调度两级动态分配计算以最大化信息增益。在 CIRR、CIRCO 和 PhotoBench 评测中，AMBER 在同等调用预算下表现最优，代码已公开。
科学网AI 评分4444 《自然》（2026年10月1日出版）一周论文导读
《自然》2026年10月1日刊重点报道了菱方石墨烯超导与反常金属相、1H MoS2双层直接带隙特性，以及不完备信息博弈AI模型Ataraxos。其中Ataraxos结合自对弈强化学习与测试阶段搜索，以大幅降低的算力与数据消耗击败西洋陆军棋顶尖人类选手，并成功应用于《花火》与《斗地主》。
arXiv cs.AIAI 评分4444 Legal Research Bench：评测长程法律研究智能体的端到端可靠性
研究者推出 Legal Research Bench（LRB），通过 413 道专家编写的开放式美国法律问题，评测长程法律研究智能体的端到端可靠性。在配备判例检索等工具的环境中，13 个前沿模型接受全通过与法源验证评分，表现最好的 Claude Opus 4.8 完全正确率仅为 42.9%。结果显示，更多交互轮次、工具调用和推理成本并不能带来更高准确率。
arXiv cs.AIAI 评分4242 基于多步嵌入向量检索的视觉空间路由学习
研究团队提出多步检索器 VHOP-Router 与基准 VHOP，使 AI 智能体在视觉潜空间通过单次调用即可检索链式图像。VHOP-Router 将检索性能从不足 5% 提升至 76.3%，智能体搜索成功率提升 52.7%，并将平均 token 长度从 1886 减少 61% 至 728。相比每步检索 top 50 的基线，它将上下文图像减少 23x，累计 API 负载降低 35x。
arXiv cs.AIAI 评分3535 科学搜索智能体在何处失效：基于决策检查点的暴露与检查审计
新研究提出决策检查点机制，通过记录推理时的观察与工具动作，审计科学搜索智能体在论文暴露与检查阶段的具体失效环节。在 540 道 AutoResearchBench Deep 问题测试中，关键词搜索准确率为 24.6%，高于原始搜索的 17.8%。read-first 策略的证据搜索调用量高出 27.4%，两者分别在 199 与 191 道题尝试检查目标，准确率均为 24.6%。
arXiv cs.AIAI 评分3333 基于 LLM 引导剪枝优化近似最近邻图索引
研究人员提出 LLM 引导图剪枝框架 LGP，利用 LLM 推理直接优化近似最近邻（ANN）图索引，解决几何结构与语义相关性不匹配的问题。该方法将低价值邻居替换为 LLM 挑选的语义节点，同时保留原始图的稀疏性与导航效率。实验显示，LGP 在 DiskANN 和 HNSW 索引上的表现均一致优于基础贪婪搜索与 LLM 重排序。
arXiv cs.AIAI 评分3737 PILLAR：面向增强检索的私有倒排索引词法查找系统
研究者提出基于私有信息检索（PIR）的隐私保护 RAG 系统 PILLAR，使客户端在服务器完全不获知查询词与访问模式的前提下完成相似文档检索。该系统采用两阶段混合检索，先通过预计算 BM25 分数的稀疏阶段过滤候选，再获取候选嵌入向量在本地重排。团队设计的单轮协议 PILLAR-Bin 与树遍历协议 PILLAR-Tree，均以低于现有 SOTA 方案的延迟实现高效检索。