用 Pi-Serini 重新思考代理搜索：词汇检索足够吗？

当 大语言模型 (LLM) 在代理循环中变得更有能力时，词汇 检索器 是否就足够了？在构建深度研究系统时，这个问题自然会出现。我们通过将 BM25 与具有更好推理和工具使用能力的前沿 LLM 配对来重新审视它。为了支持研究人员提出同样的问题，我们引入了 Pi-Serini，这是一种搜索代理，配备了三种用于检索、浏览和阅读文档的工具。我们的结果表明，在 BrowseComp-Plus 上，配置良好且具有足够检索深度的词汇 检索器 在与功能更强大的 LLM 配合使用时可以支持有效的深度研究。具体来说，采用 gpt-5.5 的 Pi-Serini 实现了 83.1% 的答案准确率和 94.7% 的表面证据召回率，优于已发布的使用密集 检索器 的搜索代理。受控消融进一步表明，与默认 BM25 设置相比，BM25 调整将答案准确性提高了 18.0%，并将表面证据召回率提高了 11.1%，而增加检索深度则将浅层检索设置的表面证据召回率进一步提高了 25.3%。源代码可在 https://github.com/justram/pi-serini 获取。