GRASP: GRanularity-Aware Search Policy for Agentic RAG

• 类型：arxiv
• 标识：2607.10463
• 链接：https://arxiv.org/abs/2607.10463
• 主分类：rag
• 形态：method
• 被引：0
• 被引来源：Semantic Scholar + OpenAlex
• S2被引：0
• OpenAlex被引：0
• 影响力被引：0
• TLDR：GRASP is introduced, a reinforcement learning (RL) framework for training agents to adaptively coordinate complementary retrieval tools during multi-step reasoning, and it is suggested that learning to coordinate retrieval signals and context granularity is critical for agent's correct reasoning.
• OpenAlex ID：W7168291226
• OpenAlex DOI：10.48550/arxiv.2607.10463
• DOI：10.48550/arxiv.2607.10463
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://doi.org/10.48550/arxiv.2607.10463
• OpenAlex更新：2026-07-19
• 副分类：agent
• 待LLM分类：否
• 标题中文：GRASP：面向 Agentic RAG 的粒度感知搜索策略
• TLDR中文：提出 GRASP，一个用于训练智能体在多步推理过程中自适应协调互补检索工具的强化学习（RL）框架，并指出学会协调检索信号与上下文粒度对智能体的正确推理至关重要。
• 来源文件：
• /inbox/tom/_candidates/2026-07-17-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]