多跳推理

一直以来，高性能的深度搜索智能体（Search Agent）领域仿佛被一道“数据护城河”所隔绝。尽管开源模型层出不穷，但决定智能体能力上限的高质量训练数据——尤其是包含复杂决策与工具调用轨迹的数据——却始终被大型科技企业严密掌控。这种数据稀缺的局面，严重制约了更广泛研究社区在该领域的创新与探索。 今天，这一现状被上海交通大学的研究团队彻底打破。他们推出了 O…

GraphMind：构建具备深度推理能力的全栈Agentic RAG架构 本文介绍一套可用于生产环境的完整架构，该架构利用GraphRAG流水线将复杂的非结构化数据转化为高准确度、可检索的知识。我们将阐述Chonkie如何通过语义切分保留上下文，Neo4j如何同时存储向量和图表示以实现双重检索，以及LiteLLM如何编排推理流程。同时，文章将解释系统如何通过…

作为大模型从业者或研究员，你是否也曾为某个模型的“长文本能力”感到兴奋，却在实践中发现其表现远未达到预期？ 你很可能遇到过以下困境之一： 虚假的繁荣：模型在“大海捞针”（Needle-in-a-Haystack）等简单检索测试中表现出色，营造了长文本问题已解决的假象。然而，当任务升级为需要串联分散证据、整合全局信息的多跳推理（multi-hop reason…