arXiv cs.CL· Hoang Tran Vuong, Ngoc Quan Pham, Hung Bui, Fatih Porikli, Dat Quoc Nguyen·· 11 小时前AI 评分38
CORE：面向深度研究的粗到细搜索与上下文管理框架
CORE: Coarse-to-Fine Search with Context Management for Deep Research
AI 导读
CORE 是一个免训练框架，将粗到细搜索与上下文管理结合，在 Tongyi DeepResearch 和 OpenResearcher 的受控闭集对比中，跨三个智能体模型和三个基准（BrowseComp-Plus、BrowseComp-Wikipedia、BrowseComp-Plus-CM）取得 SOTA 答案准确率与证据召回率，语料规模最高达 553M 文档。
正文 · AI 翻译
摘要：深度研究智能体通过反复搜索来回答复杂问题。它们依赖一个执行工具调用并将证据返回到其上下文的运行框架。这带来了一种权衡：搜索在长段落上效果最好，因为长段落能提供足够的上下文以进行可靠的语义匹配。但返回的证据应当简短，因为每条观察结果都会在智能体的上下文中保留到轨迹的剩余部分。我们提出了 CORE，一个无需训练的框架，将粗到细的搜索与上下文管理相结合。CORE 使用稠密检索器检索段落。然后，它复用来自后期交互重排序器的 token 级相似度，仅返回每个段落中最相关的片段。上下文管理让智能体能够扩展已检索来源周围的上下文，并抑制重复片段。在与 Tongyi DeepResearch 和 OpenResearcher 框架进行的受控封闭搜索对比中，CORE 在三个智能体模型和三个基准（BrowseComp-Plus、BrowseComp-Wikipedia 和 BrowseComp-Plus-CM）上，在包含多达 5.53 亿篇文档的语料库上，实现了最先进的答案准确率和证据召回率。
| 评论： | 24 页 |
| 主题： | 计算与语言（cs.CL）；人工智能（cs.AI）；信息检索（cs.IR） |
| 引用为： | arXiv:2611.07859 [cs.CL] |
| （或 arXiv:2611.07859v1 [cs.CL] 为此版本） | |
| https://doi.org/10.48550/arXiv.2611.07859 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Hoang Tran Vuong [查看电子邮件]
[v1]
2026 年 11 月 5 日星期四 11:36:19 UTC（952 KB）
来源：arXiv cs.CL · arxiv.org