Agentic AI 不缺模型，缺的是检索
这件事讲了什么
有人在 BrowseComp-Plus 测试上做了个对比：把正确答案直接交给 GPT-4.1，它答对 93.49%；换成让同一个模型自己用 BM25 搜索找证据，答对率掉到 14.58%。这说明模型本身够聪明，但检索环节一旦拉胯，后面再强的推理也救不回来。文章还提醒，一个任务可能几分钟内发起成百上千次搜索，并且后续步骤依赖前面的结果，早期搜错会让整条链路跑偏。对做 Agent 的团队来说，先检查喂给模型的东西对不对，比急着换模型更划算。
可以使用的工具
文中可用工具
- GPT-4.1用来做问答测试的模型，直接给文档时准确率高，自己搜索时准确率骤降
- Qwen3-32B另一个参与同样对比测试的模型，自己搜索时准确率从 83.25% 掉到 3.49%
- BM25一种传统的文本检索方法，被用作 Agent 搜索证据的基线，效果明显不佳
- BrowseComp-Plus一个固定文档语料的评测基准，包含 100,195 篇文档和 830 个研究问题，用来区分模型能力和检索能力
讨论 0
登录后参与讨论，阅读资讯无需注册。
还没有评论，来分享第一个看法。