Google Research 用 Retrieve-for-Train 突破推理瓶颈，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符合奖励的 query fan-out 并编译为监督信号，绕过推理时的思考 token 开销。
#RAG
#RAG
今日 0 条Google ResearchAI 评分4040
Google ResearchAI 评分5858 Google 发布 ReasoningBank：从成败经验中提炼推理记忆的智能体自进化框架
Google Research 在 ICLR 论文中提出 ReasoningBank，一个从成功与失败经验中提炼结构化推理记忆的智能体框架，并开源了代码。它以检索、提取、整合的闭环运行，把失败案例转化为预防性经验；配合记忆感知的测试时扩展（MaTTS）进一步提效。
Google ResearchAI 评分5353 Google 与 Cornell 用高温超导专家题测试六个 LLM，精选文献库系统表现更好
Google Research 与 Cornell、Harvard 合作在 PNAS 发表论文，让 12 位高温超导专家出 67 道题并盲评 GPT-4o、Perplexity、Claude 3.5、Gemini Advanced Pro 1.5、NotebookLM 和自建 RAG 系统的回答。
Hugging Face BlogAI 评分5151 Hugging Face 发布 RTEB 基准，用开放与私有数据集评估嵌入模型真实检索泛化能力
Hugging Face 发布 Retrieval Embedding Benchmark（RTEB）测试版，旨在可靠评估嵌入模型在真实应用中的检索准确性。它采用开放与私有数据集结合的混合策略来检测基准过拟合，覆盖 20 种语言和法律、医疗、代码、金融等企业领域，默认榜单指标为 NDCG@10，榜单已上线于 MTEB 排行榜的检索板块。