CORE：免训练的粗到细搜索与上下文管理框架
热点事件持续更新
CORE：免训练的粗到细搜索与上下文管理框架
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Hoang Tran Vuong 等作者提出 CORE，一种无需训练的由粗到细搜索与上下文管理框架。在 Tongyi DeepResearch 和 OpenResearcher 的受控闭集对比中，CORE 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。
AI 根据报道生成 · 1 小时前更新
最新进展11月6日 13:00
CORE：面向深度研究的粗到细搜索与上下文管理框架报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- arXiv cs.CLCORE：面向深度研究的粗到细搜索与上下文管理框架
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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。