arXiv cs.CL· Jiajin Liu, Chenxi Xu, Dongzhe Fan, Yuanfu Sun, Qiaoyu Tan·· 6 天前AI 评分24
SEEDS：面向搜索智能体的预览引导证据准入框架
SEEDS: Preview-Guided Evidence Admission for Search Agents
AI 导读
SEEDS 是一个预览引导的证据准入框架，让搜索智能体在每一步检索后先查看候选文档的轻量预览，再结合当前推理状态自行决定哪些、以及多少候选应被完整读取，而非按固定或排名前缀策略消费证据。在九个知识密集型 QA 基准上，覆盖本地语料与实时网页搜索，SEEDS 一致提升搜索效果并大幅减少完整证据消耗，且能直接接入现有推理智能体或通过学习进一步优化。
正文 · AI 翻译
摘要：搜索智能体通过多轮访问外部知识来扩展大型推理模型，然而大多数现有系统在很大程度上将检索证据与消费证据混为一谈。检索到的文档通常按照固定或基于排序的策略被纳入，尽管证据的效用取决于智能体当前的推理状态。因此，排名较低的候选可能对当前步骤至关重要，而排名较高的候选可能提供冗余、无关或误导性的信息。我们将这一被忽视的问题形式化为证据准入，即在每个搜索步骤中，哪些检索到的候选应被允许进入智能体不断演化的推理上下文。为了实现这种选择性控制，我们提出了 SEEDS（搜索过程中的选择性证据进入），一个面向搜索智能体的预览引导证据准入框架。SEEDS 首先展示检索候选的轻量级预览，然后让智能体根据其当前推理状态，共同决定哪些候选以及多少个候选应被完整检查。与固定或自适应前缀策略不同，SEEDS 可以选择任意子集并具有灵活基数，并且可以直接用现有推理智能体实例化，或通过学习进一步优化。在本地语料库和实时网络搜索下的九个知识密集型问答基准上，SEEDS 持续提升搜索有效性，同时大幅减少完整证据的消耗。实验分析表明，SEEDS 能比相应的检索前缀更有效地选择有用的候选。这些结果确立了证据准入作为智能体搜索的一个互补维度，将检索到什么信息与最终允许什么信息塑造推理区分开来。
| 评论： | 7 幅图，20 页 |
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2610.12932 [cs.CL] |
| （或 arXiv:2610.12932v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.12932 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Jiajin Liu [查看电子邮件]
[v1]
2026 年 10 月 9 日星期五 03:25:39 UTC（3,331 KB）
来源：arXiv cs.CL · arxiv.org