研究人员推出了AtlasNav，这是一个持久的多视图语料库导航框架，旨在解决大语言模型智能体在与外部语料库交互时出现的“证据盲点”问题。这种情况发生在所需证据未能浮现或在有限的交互预算内无法保持可用状态时。

  • AtlasNav将语料库组织一次并构建为语料库图谱（Corpus Atlas），使查询能够自适应地导航，而不是为每个查询重建共享结构。
  • 在BrowseComp-Plus上，它实现了92.05%的严格准确率，同时与先前的动态工作区方法相比，将记录的在线推理成本降低了30.21%。
  • 在匹配的预算下，该框架更早地实现所需的完整证据，并更快地接近模型提供的证据经验参考。
  • 该方法在PhantomWiki的语料库组织下，在10K-1M的扩展范围内保持有效，并能具有竞争力地迁移到异构企业知识中。

结果表明，智能体搜索的有效性不仅取决于可访问的证据，还取决于如何表示语料库以确保有限的交互成为有效的导航。