基于 LangChain 与 Amazon Bedrock 知识库实现智能体检索
AWS 官方介绍了如何在 Amazon Bedrock 托管知识库与 LangChain 中实现智能体检索（Agentic retrieval），以解决复杂多意图问题下标准向量检索召回不足的缺陷。
#RAG
#RAG
今日 3 条AWS Machine Learning BlogAI 评分5050
arXiv cs.AIAI 评分4444 表达差异如何干扰邮件 AI 智能体的检索与行动
研究测试了邮件 AI 智能体在表达方式变化时的鲁棒性，发现间接请求降低了一个 RAG 管线和两个工具调用智能体共 3 个基准的性能。分析表明，冗长请求主要通过干扰词法检索器阻碍定位邮件，而间接与正式请求在智能体场景中主要导致模型遗漏必要操作。研究指出评测应引入多样的请求表述，并单独测量智能体是否完整执行任务。
arXiv cs.AIAI 评分4444 如何训练世界模型：基于大语言模型的微调与 RAG 对比
一项跨 5 类环境的系统评估显示，基于大语言模型构建世界模型时微调通常优于 RAG，在 15/20 种设定下使智能体获得了更高奖励。研究指出 RAG 数据效率更高，但微调在扩展经验规模时收益更显著，且检索模块易给出次优状态转换。团队据此提出分层查询重构并构建兼顾参数化与记忆检索的混合系统，在多环境与模型下均取得最优表现。
arXiv cs.AIAI 评分3333 本地化多课程 RAG 辅导系统 CourseChat：校园 AI 导师的软硬件权衡
研究团队提出了面向商科教育的本地化多课程 RAG 导师 CourseChat，在校园边缘节点为 6 门独立课程提供教材问答支持。系统基于 FastAPI 和 Ollama 运行本地大语言模型，在权衡速度与连续性错误后保留了 8B 生产模型，排除了多款过慢模型及 MoE 候选。系统还通过 65 个模块的 435 道预置题将练习与实时生成解耦。
arXiv cs.AIAI 评分5151 LLM 智能体 System-1 决策模型评测：Laya 与 Jev 配对对比及管线自审计
研究人员针对大语言模型智能体框架中的 System-1 决策模型展开配对与自审计评测，对比了开源模型 Laya 与托管模型 Jev 在 11 项任务中的表现。评测显示 Jev 在 9 项决策点上准确率高出 10.8 至 46.0 个百分点，但两款模型在零样本路由任务上均未超过随机概率，且 Laya 在候选项调序后答案改变率达 30%。
arXiv cs.AIAI 评分3434 PathAnchor：面向科学 AI 智能体的路径结构化证据系统
科学推理系统 PathAnchor 通过检索源关联的“材料-传感器-信号-系统”路径结构化轨迹，解决科学 AI 智能体的证据混淆与功能顺序丢失问题。在 120 道柔性传感器问题评测中，PathAnchor 取得 82.6% 得分并领先 6 个受评系统；在 6 次工具调用预算下，该方案将来源召回率从 61.3% 提升至 82.9%，全引证答案比例增至 90.0%。
arXiv cs.AIAI 评分3434 Concept-Grounded Attention：图注入注意力、时间版本与认识状态的对照评估
概念扎根注意力（CGA）对照评估表明，图注入注意力的大部分增益仅源于模型新增容量，而显式时间与认识状态表示可带来实质提升。在 LongMemEval 评测中，显式时间表示使最高 122B 参数模型的回答准确率提升 13 至 25 个百分点。认识状态机制还将 72-122B 模型的无支持断言率从 19-68% 降至 0-5%，微调小模型降至 0.1%。
arXiv stat.MLAI 评分3535 多跳 RAG 的保形事实性控制
将拆分保形主张过滤应用于多跳 RAG 可显著提升事实性，在 Llama 3.1 8B 与 GPT-4o-mini 的 95% 目标下，完全受支持的回答比例从无过滤的 55.60%-76.03% 提升至 95.80%-97.20%。但该改进具有强选择性，该目标下仅保留 4.41%-31.09% 的生成主张，且仅 9.70%-51.40% 的回答保持非空。
arXiv cs.LGAI 评分4646 Mara Chain：将失败作为 AI 系统自动进化的垫脚石
研究人员提出 Mara Chain 优化流程，通过保留未入选的候选方案并结合累积证据迭代精炼，推动 AI 系统自动进化。在 AppWorld 上，其相对 GEPA 等基线性能最高提升 20.5%，且 rollout 减少 65.5%；在 TerminalBench 2.1 上通过率较 AHE 和 Meta-Harness 分别提高 20.2 与 22.5 个百分点。
arXiv cs.AIAI 评分3434 BRIDGE：双层检索信用感知智能体强化学习
研究人员提出智能体强化学习方法 BRIDGE，将检索增强的 ARL 建模为双层优化问题，以解决检索器与大语言模型联合训练中的信用分配差距。在 7 个开放域 QA 基准上，BRIDGE 基于 3B 和 7B 基座模型均取得最高平均准确率，多跳任务平均表现较最强 baseline 分别提升 9.6 和 3.4 个 EM 点。此外，该方法在医学 QA 基准上也取得了最佳的平均答案准确率与推理质量。
arXiv cs.AIAI 评分3535 ARCagent：面向临床问答的自适应检索校准智能体
研究人员提出面向临床问答的自适应检索校准智能体 ARCagent，专门解决临床指南存在冲突与不完整时的问答安全问题。该系统构建了包含 1,706 个 chunk、涵盖 10 个数据源且带有冲突注册表的 ME/CFS 知识库，并利用查询焦点与冲突信号动态重排证据。在 LLM-as-Judge 评测中，ARCagent 取得 95.3% 的成绩，超越所有基线 LLM，代码已开源。
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。
arXiv stat.MLAI 评分3434 GNA：面向检索增强多元时间序列预测的细粒度邻居装配层
GNA（Granular Neighbor Assembly）是一种面向多元时间序列预测的检索层，通过整合整窗与逐变量双粒度历史邻居辅助推断。该方法采用严格因果检索，并利用可学习门控动态权衡主干预测、检索未来与持续性预测。实验显示，GNA 在 96 个设置中的 85 个提升了两个 Transformer 主干的表现，并在 12 个标准基准中的 8 个取得最低 MSE。
AWS Machine Learning BlogAI 评分4747 使用 Amazon Bedrock Knowledge Bases 以自然语言查询理赔文档
AWS 展示了如何使用 Amazon Bedrock Knowledge Bases 构建理赔助手，让用户以自然语言查询多源分散的理赔文件并获得带引用的答案。该方案从 Amazon S3 摄取 PDF 与 Word 文档及元数据，调用 AgenticRetrieveStream API 将复杂问题拆解为子查询并执行多轮检索。
AWS Machine Learning BlogAI 评分5050 基于 Amazon Bedrock AgentCore 与 Amazon Quick 构建 AI 合同智能分析平台
AWS 推出了一套结合 Amazon Bedrock AgentCore 与 Amazon Quick 的合同智能分析平台架构，解决传统 RAG 语义搜索无法跨海量文档进行求和、排序等聚合统计的问题。
GitHub Blog · AI & MLAI 评分4949 GitHub 探讨：该读 AI 代码吗？RAG 死了吗？Skills 取代了 MCP 吗？
GitHub 在播客中剖析了多项 AI 热门争议，指出开发者仍须对 AI 生成代码负责，且 RAG 并没有消亡，Skills 也未取代 MCP。MCP 为 AI 智能体提供连接工具与数据的标准化接口，Skills 承载流程规范与专业知识，结合 RAG 的外部检索，三者在实际开发工作流中相互协同。