超越语义相似性：重新思考通过直接语料库交互进行代理搜索的检索

现代检索系统，无论是词汇检索还是语义检索，都通过固定的相似性接口公开语料库，该接口在推理之前将访问压缩为单个 top-k 检索步骤。这种抽象是有效的，但对于代理搜索来说，它成为一个瓶颈：精确的词汇约束、稀疏线索连词、局部上下文检查和多步假设细化很难通过调用传统的现成 检索器 来实现，而且早期过滤掉的证据无法通过更强的下游推理来恢复。代理任务进一步加剧了这种限制，因为它们需要代理协调多个步骤，包括发现中间实体、组合薄弱线索以及在观察部分证据后修改计划。为了解决这个限制，我们研究了直接语料库交互（DCI），其中代理使用通用终端工具（例如 grep、文件读取、shell 命令、轻量级脚本）直接搜索原始语料库，而不需要任何嵌入模型、向量索引或检索 API。这种方法不需要离线索引，并且自然地适应不断发展的本地语料库。在 IR 基准测试和端到端代理搜索任务中，这种简单的设置在多个 BRIGHT 和 BEIR 数据集上明显优于强稀疏、密集和重排序基线，并且在 BrowseComp-Plus 和多跳 QA 上获得了很高的准确性，而无需依赖任何传统语义 检索器。我们的结果表明，随着语言代理变得更强，检索质量不仅取决于推理能力，还取决于模型与语料库交互的界面的分辨率，DCI 为代理搜索开辟了更广阔的界面设计空间。