从智能体轨迹中学习检索
深度2026年3月30日40 分钟阅读
研究发现，传统基于人类交互训练的检索模型与智能体搜索行为存在根本性不匹配，而直接从智能体轨迹中学习能有效解决这一问题。信息检索、人工智能和自然语言处理领域的研究者及从业者应关注这一工作，它代表了智能体搜索时代检索技术的重要发展方向。
本文编译自 Learning to Retrieve from Agent Trajectories，版权归原作者所有。
觉得有用？分享给更多人
相关文章
Jake Cooper 深入探讨了 Railway 从自建数据中心（3 个月回本）到 Temporal 工作流引擎、Railpack 构建系统、Central Station 内部工具等技术栈选择，并直言“Pull Request 正在死亡”，未来的软件开发生命周期将围绕智能体需求重构。
深度Latent Space·5月20日·6 分钟
Anthropic 以每月 12.5 亿美元的价格租用 xAI 位于孟菲斯的 Colossus 1 数据中心全部算力，合同期限至 2029 年 5 月，总金额超 400 亿美元。该交易通过 SpaceX 的 SEC 文件披露，允许任意一方提前 90 天终止合同。xAI 借此形成“既自用又出租”的混合模式，以消化因 Grok 使用量下降而闲置的算力。
深度·5月20日·3 分钟