③ "Keyword search is all you need"（Amazon Science, AAAI 2026, arXiv:2602.23368）

  • 类型：arxiv
  • 标识：2602.23368
  • 链接：https://arxiv.org/abs/2602.23368
  • 主题：agent, database, engineering, evaluation, llm-infra, multimodal, rag, risk
  • 主分类：agent
  • 形态：method
  • 被引：9
  • 被引来源：Semantic Scholar
  • S2被引：9
  • OpenAlex被引：0
  • 影响力被引：4
  • TLDR：This study conducted a systematic comparison between RAG-based systems and tool-augmented LLM agents, specifically evaluating their retrieval mechanisms and response quality when the agent only has access to basic keyword search tools.
  • OpenAlex ID：W7133198032
  • OpenAlex DOI：10.48550/arxiv.2602.23368
  • DOI：10.48550/arxiv.2602.23368
  • DOI来源：OpenAlex
  • OpenAlex Venue：Open MIND
  • Venue：Open MIND
  • Venue键：other
  • Venue来源：OpenAlex
  • 开放获取：green
  • OpenAlex更新：2026-07-19
  • 标题中文：③ "Keyword search is all you need"（Amazon Science, AAAI 2026, arXiv:2602.23368）
  • TLDR中文：本研究对基于RAG的系统与工具增强的LLM Agent进行系统对比，特别是在Agent仅可访问基础关键词搜索工具的条件下，评估二者的检索机制与响应质量。
  • 副分类：rag
  • 待LLM分类：否
  • 来源文件：
  • /inbox/jay/2026-06-15-weekly-digest.md
  • [S2 enrich]
  • [OpenAlex backfill]

可复用信息

  • ② "Agentic Retrieval-Augmented Generation: A Survey on Agentic RAG"（arXiv:2501.09136v4，2026-04更新）
    • 来源： arXiv（持续更新）
    • URL： https://arxiv.org/html/2501.09136v4
    • 核心观点： Agentic RAG全面综述，涵盖单Agent、多Agent、图谱增强框架分类与对比。长期记忆设计是开放难题：持久化记忆面临知识漂移风险，频繁更新会放大幻觉。
    • 可信度： ★★★★ 高；系统性综述
    • 行动建议： ⭐ 建议精读；适合作为RAG综述入库
  • ③ "Keyword search is all you need"（Amazon Science, AAAI 2026, arXiv:2602.23368）
    • 来源： AAAI 2026 / arXiv

写作用途

  • 可放入 RAG / 知识库 / 检索增强相关工作的对比段。
  • 可用于 Agent 架构、记忆、工具调用或多智能体研究背景。
  • 可用于多模态推理、视觉语言模型或长上下文多模态问题定义。
  • 可用于系统实现、实验平台或工程约束说明。
  • 可用于局限性、风险、失效模式和未来工作。

待补齐

  • BibTeX / 正式引用格式
  • 方法与实验设置细节
  • 与现有工作的差异点
  • 是否有代码和数据集