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
一名黑客通过 GitHub 访问令牌向亚马逊的 VSCode 扩展仓库提交恶意 PR，试图让 AI 编程助手 Q Developer 执行系统擦除命令。由于 prompt 格式错误，攻击未遂。文章分析了 AI Agent 在执行指令时缺乏人类式警惕性的问题，并提出了加强外部安全控制的建议，如构建不关心指令来源的策略门禁、使用短期凭证等。
深度The New Stack·8月23日·6 分钟
Inherent 发布 AI 智能体 Faraday，在复现科学论文方面超越 Anthropic 和 OpenAI 的更大模型。该公司通过强化学习培养“研究品味”，并以更小模型实现更高目标。
深度·8月22日·4 分钟