帝国理工学院三位作者发布论文《Retrieved but Not Read: Understanding Why Search-Augmented LLMs Fail to Use Available Evidence》，研究搜索增强 LLM 为何频繁引用未真正打开的网页。研究用 225 条在 2026 年 2 月 16 日之后发生变化的事实测试 GPT-5.6 Luna 及 GLM-5.3-Flash、gpt-oss-120b、gpt-oss-20b、gemma-4-31b、qwen3-8b 等六种开源权重配置，发现模型常仅凭搜索摘要作答而不打开来源页面，同一批搜索结果下未打开任何页面的比例在 2.6% 到 76% 之间，Luna 使用自带搜索时有 53.6% 的回合只依赖摘要。仅凭摘要作答时过时答案占 6.4%、误导性引用占 6.4%，而打开并引用页面时分别降至 1.3% 和 2.3%；直接把正确页面放进提示词可显著减少错误，但部分模型即使看到新事实仍倾向旧信息。
匹配字段标题
2026年10月16日,帝国理工学院计算系的三位作者发表论文《Retrieved but Not Read: Understanding Why Search-Augmented LLMs Fail to Use Available Evidence》,研究搜索增强 LLM 为何频繁引用未真正打开的网页。研究以 225 条在 2026 年 2 月 16 日之后发生变化的事实,测试 GPT-5.6 Luna 及 GLM-5.3-Flash、gpt-oss-120b、gpt-oss-20b、gemma-4-31b、qwen3-8b 等六种开源权重配置。结果显示,模型常仅凭搜索摘要作答而不打开来源页面;同一批搜索结果下,未打开任何页面的比例在 2.6% 到 76% 之间,Luna 使用自带搜索时有 53.6% 的回合只依赖摘要。仅凭摘要作答时,过时答案占 6.4%、误导性引用占 6.4%;打开并引用页面时,这两项分别降至 1.3% 和 2.3%。研究还发现,直接把正确页面放进提示词可显著减少错误,但部分模型即使看到新事实仍倾向旧信息。目前该研究由单一来源报道,尚无后续进展。
匹配字段标题
Chroma 训练并开源了 Context-1，一个 20B 参数的智能体搜索模型，在八千多个合成任务上训练，检索表现接近前沿大模型，成本更低、推理速度最高提升 10 倍。它作为检索子智能体工作，把高层查询拆成子查询并多轮搜索，在上下文窗口填满时主动丢弃无关结果，并以 Apache 2.0 许可开放权重和完整数据生成流程。训练采用先召回后精确的分阶段课程，配合基于抽取验证的合成任务生成流程，与人工判断的一致率超过 80%。
匹配字段标题
2026年10月16日,帝国理工学院计算系的三位作者发表论文《Retrieved but Not Read: Understanding Why Search-Augmented LLMs Fail to Use Available Evidence》,研究搜索增强 LLM 为何频繁引用未真正打开的网页。研究以 225 条在 2026 年 2 月 16 日之后发生变化的事实,测试 GPT-5.6 Luna 及 GLM-5.3-Flash、gpt-oss-120b、gpt-oss-20b、gemma-4-31b、qwen3-8b 等六种开源权重配置。结果显示,模型常仅凭搜索摘要作答而不打开来源页面;同一批搜索结果下,未打开任何页面的比例在 2.6% 到 76% 之间,Luna 使用自带搜索时有 53.6% 的回合只依赖摘要。仅凭摘要作答时,过时答案占 6.4%、误导性引用占 6.4%;打开并引用页面时,这两项分别降至 1.3% 和 2.3%。研究还发现,直接把正确页面放进提示词可显著减少错误,但部分模型即使看到新事实仍倾向旧信息。目前该研究由单一来源报道,尚无后续进展。
匹配字段标题
Chroma 训练并开源了 20B 参数的智能体搜索模型 Context-1。该模型在八千多个合成任务上训练,作为检索子智能体工作,把高层查询拆成子查询并多轮搜索,在上下文窗口填满时主动丢弃无关结果。据 Chroma Research 发布的信息,其检索表现接近前沿大模型,成本更低,推理速度最高提升 10 倍。训练采用先召回后精确的分阶段课程,配合基于抽取验证的合成任务生成流程,与人工判断的一致率超过 80%。模型以 Apache 2.0 许可开放权重和完整数据生成流程。目前尚无后续发展事实。
匹配字段标题
Chroma 训练并发布 20B 参数智能体搜索模型 Chroma Context-1
English translation is being prepared.
匹配字段标题