HotelQuEST：在智能体搜索中平衡质量与效率
信息检索
2026-03-02 v1 人工智能
摘要
智能体搜索（agentic search）已成为由大型语言模型（LLM）驱动的自适应检索系统的有前景的范式。然而，现有基准主要关注质量，忽略了对效率因素的考量，这些因素对于实际部署至关重要。此外，现实中的用户查询常包含表述不完整的偏好，这一挑战在当前智能体搜索评估中基本未被探讨。因此，许多智能体搜索系统尽管性能卓越，却难以实际应用。在本工作中，我们引入HotelQuEST，一个包含214个酒店搜索查询的基准，涵盖从简单事实性请求到复杂查询，使其能够在查询难度的整个光谱上进行评估。我们进一步通过收集澄清，使评估注释员的隐式偏好变得明确。我们发现，基于LLM的智能体在准确率上优于传统检索器，但由于冗余工具调用和无法将查询难度与模型能力相匹配的次优路由，成本显著更高。我们的分析揭示了当前智能体搜索系统的效率瓶颈，并展示了面向成本感知优化的巨大潜力。
引用
@article{arxiv.2602.23949,
title = {HotelQuEST: Balancing Quality and Efficiency in Agentic Search},
author = {Guy Hadad and Shadi Iskander and Oren Kalinsky and Sofia Tolmach and Ran Levy and Haggai Roitman},
journal= {arXiv preprint arXiv:2602.23949},
year = {2026}
}
备注
To be published in EACL 2026