相同嵌入模型下，Agent式检索相对标准检索的nDCG@10提高8.7点

重点关注

01 检索 平均多等约107秒，值得换来相同嵌入模型下相对标准检索的nDCG@10提高8.7点吗？

平均每次查询的延迟从0.67秒增至107.4秒，并平均消耗76.41万输入token——Agent式检索的效果账单比预想中昂贵得多。它在ReAct式Agent循环中结合大模型推理与基于检索器的语料探索，在使用相同嵌入模型时，相对标准检索将nDCG@10提高了8.7点。更意外的是，同一套流程在ViDoRe v3和BRIGHT两个排行榜上都取得了有竞争力的结果，泛化性可能比针对单一领域优化的专用检索方法更强。但平均延迟约为标准检索的160倍，加上平均每次查询5.8K输出token，使其在常见延迟和成本约束下难以直接替换面向大流量的标准检索。现阶段更合理的部署方式，是把它留给尽调、复杂研究和高价值决策等低频任务，并为普通查询保留快速检索通道；具体成本还需结合模型单价与并发规模进一步确认。

原文：Beyond Semantic Similarity: Performance and Costs of Agentic Retrieval for Complex Tasks

02 训练优化 OnePO用临时教师指导简化RL-only领域适配

领域适配中的教师模型往往一路参与训练，但当学生已经更强，旧的教师输出反而可能把它锚定在过时分布上。OnePO把教师改成「可退休的临时教练」：早期强化学生尚不熟悉、但信息量高的低概率教师token，缓解纯强化学习冷启动时的有效梯度不足。一旦当前策略能够超过教师输出，训练便撤掉教师指导，以避免Teacher-Distribution Anchoring。医疗适配实验中，它用20K样本在HealthBench（Total）上得到67.2分，分别比SFT（监督微调）加RL和纯RL高2.7分、7.4分，说明删掉多阶段流程不必以效果为代价。对领域适配团队来说，这是一条值得测试的简化路线，但来源摘要中的实验证据限于医疗适配，不能据此判断跨领域表现。

原文：HuatuoGPT-3: RL-Only Domain Adaptation from Base Models

03 图像生成 只改对还不够，还得保证别乱改

图像编辑模型既可能漏掉用户要求的修改，也可能意外改动无关内容。ARRO让视觉语言奖励模型同时审计两类失败——用户要求的修改是否遗漏，以及无关内容是否被越界改动——再用强化学习直接优化最终图像。它不依赖逐条指令的人工标注，而是汇总并核验多个候选结果中的问题，把「最小改动」变成可规模化训练的双向约束。在FLUX.1 Kontext-dev上，平均EditScore从5.21升至5.88，600个样本中的越界像素变化也比基础模型减少8.4%，迁移到OmniGen2后仍有改善。对图像编辑产品而言，这意味着「听话」和「克制」终于可以作为同一份产品契约来训练。

原文：Scalable Minimal-Change Learning for Controllable Image Editing