EvoDuet：面向科学发现的网络搜索与任务求解双层协同进化
EvoDuet 是一种双层优化方法，在固定模型参数下让解与搜索查询协同进化，通过检索门让 LLM 判断知识缺口并选择检索新文档、复用已有文档或直接求解。
#搜索
#搜索
今日 1 条HuggingFace Daily Papers（社区热门论文）AI 评分3333
arXiv：cs.AI（全量分类）AI 评分3939 用 LLM 引导剪枝改进最近邻图索引
研究者提出 LLM-Guided Graph Pruning（LGP）框架，用 LLM 推理直接优化已有 ANN 图索引，把结构上"低价值"的邻居替换为 LLM 选出的语义替代项，同时保留原图的稀疏性与可导航性。在 DiskANN 和 HNSW 等图索引上，LGP 在语义检索基准中端到端表现稳定优于贪心图搜索和 LLM 重排序。
arXiv：cs.CL（计算语言学，全量分类）AI 评分5050 arXiv 论文：稠密检索器对查询中的政治倾向与方言身份信号敏感
哥伦比亚大学等机构研究者发布 EMNLP 2026 论文，测试查询中的政治意识形态与方言信号是否会偏置检索结果。在政治新闻和消费者健康问答两个领域、五款稠密检索器加一个稀疏基线上，所有检索器都会返回与查询自身政治倾向一致的文章，且对非洲裔美国英语（AAL）问题的检索效果差于白人主流英语（WME）；线性探针能从查询嵌入中恢复倾向与方言信息。作者指出此类偏差可能加剧极化和健康差距，代码已开源。
arXiv：cs.CL（计算语言学，全量分类）AI 评分3131 PrimeSeeker：面向能力的深度搜索智能体监督框架
针对合成问题难度与局部检索能力不匹配的问题，研究者提出 latent anchor reasoning，并基于此构建 PrimeSeeker 框架，通过网页锚点结构与参考证据骨架联合生成问题和证据，共构造 9,221 条专家轨迹训练了一个 30B 搜索智能体。
Google ResearchAI 评分2929 Google Research 提出 Retrieve-for-Train：用 RL 编译扩散模型绕过推理瓶颈，加速复杂 AI 搜索
Google Research 提出 Retrieve-for-Train 框架，通过离线强化学习发现奖励对齐的查询扇出并编译为监督信号，再蒸馏进一个 53.9M 参数的扩散检索器，实现推理时单次非自回归的查询扇出。该方法在 Gemma3-4B 和 Qwen3-4B 上微调扇出语言模型，用集合级属性奖励评估整组结果，无需人工标注，也无需推理时的 CoT 思考 token。
FireRedTeam：原创语音与多模态项目AI 评分3333 FireRedTeam 发布 ReMatch：面向多模态检索的匹配增强表征方法
FireRedTeam 开源了论文《ReMatch: Boosting Representation through Matching for Multimodal Retrieval》的官方实现，该工作已被 CVPR 2026 收录。ReMatch 通过匹配机制增强多模态检索的表征能力。