arXiv cs.AI· Emmanuel Aboah Boateng, Kyle MacDonald, Amardeep Kumar, Siddharth Kodwani, Sudeep Das·· 3 天前AI 评分44
将搜索与推理解耦：面向 LLM 智能体的厂商无关接地架构
Decoupling Search from Reasoning: A Vendor-Agnostic Grounding Architecture for LLM Agents
AI 导读
研究者提出 Decoupled Search Grounding（DSG），通过 MCP 兼容网关把搜索接地移出推理模型，将供应商路由、来源感知上下文渲染、检索深度控制与缓存变为可调接口。在 SimpleQA 上 DSG 准确率 86.1%（原生搜索 87.7%），搜索成本降低 91%，热缓存命中率 99.4%、延迟降低 68%；在电商 QIU 负载上准确率持平原生搜索，搜索成本降低超 98%。
正文 · AI 翻译
摘要：生产级 LLM 智能体日益依赖实时搜索，然而原生搜索接地将检索策略、提供商选择、证据注入、成本、延迟和生成行为捆绑在单一模型提供商边界之后。这种耦合使得接地难以检查、调优、复用或移植，并可能触发搜索诱导的冗长，从而破坏严格的输出契约。我们提出解耦搜索接地（DSG），一种与供应商无关的边界，通过兼容 MCP 的网关将接地移出推理模型，将提供商路由、源感知上下文渲染、配置回退、检索深度控制以及精确加语义缓存作为一等控制项暴露出来。在 SimpleQA、FreshQA 和 HotpotQA 上的五个前沿模型中，原生搜索在时效敏感的 FreshQA 上领先，但当控制至关重要时，DSG 展现出更强的前沿：在 SimpleQA 上，它几乎匹配原生准确率（86.1% 对 87.7%），同时搜索成本降低 91%，保持简洁的答案契约，并达到 99.4% 的热缓存命中率，延迟降低 68%。作为面向大规模智能体工作负载、模型可互换的共享生产接地层部署时，DSG 在电商查询理解（QIU）工作负载上匹配原生搜索准确率，同时将搜索成本降低超过 98%。实时接地最好被视为一个可优化的接口边界，而非固定的模型特性。
| 评论： | 已被 EMNLP 2026 接收；16 页，9 张图 |
| 主题： | 人工智能（cs.AI）；计算与语言（cs.CL）；信息检索（cs.IR）；多智能体系统（cs.MA） |
| 引用为： | arXiv:2606.18947 [cs.AI] |
| （或本版本使用 arXiv:2606.18947v2 [cs.AI]） | |
| https://doi.org/10.48550/arXiv.2606.18947 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Emmanuel Aboah Boateng [查看邮箱]
[v1]
2026 年 6 月 17 日星期三 11:30:39 UTC（2,155 KB）
[v2]
2026 年 10 月 11 日星期日 06:58:14 UTC（2,206 KB）
来源：arXiv cs.AI · arxiv.org