DeepResearch-Slice：通过显式文本切片桥接检索-利用鸿沟
计算与语言
2026-01-08 v1 人工智能
摘要
深度研究代理主要优化搜索策略以最大化检索概率。然而，我们识别出关键瓶颈：检索-利用鸿沟，即模型即使检索到金标准证据，却因在噪声环境中的上下文盲区而未能有效利用。为弥补这一鸿沟，我们提出 DeepResearch-Slice，一种简单而有效的神经符号框架。不同于隐式注意力机制，我们的做法预测精确的片段索引，在推理前进行确定性硬性过滤。广泛的评估表明，我们的方法在鲁棒性方面实现了显著提升。将方法应用于冻结背板后，可实现约 73% 的相对改进，将准确率从 19.1% 提升至 33.0%，在无需更新推理模型参数的前提下有效抑制噪声。这一结果凸显了在开放式研究中采用显式 grounding 机制的必要性。
引用
@article{arxiv.2601.03261,
title = {DeepResearch-Slice: Bridging the Retrieval-Utilization Gap via Explicit Text Slicing},
author = {Shuo Lu and Yinuo Xu and Jianjie Cheng and Lingxiao He and Meng Wang and Jian Liang},
journal= {arXiv preprint arXiv:2601.03261},
year = {2026}
}
备注
Ongoing work