IntrAgent 與 IntraView：以兩階段閱讀代理提升文獻檢索精準度

科學研究依賴從文獻中取得準確資訊。最新工作提出 IntraView 任務，並以 IntrAgent 代理人回應研究導向查詢。

方法概覽

IntrAgent 模擬人類閱讀行為，採兩階段管線：第一階段為 Section Ranking，利用結構化知識驅動的推理來優先排序可能相關的章節；第二階段為 Iterative Reading，對優先章節反覆抽取關鍵細節並逐步綜整，最終產出語境紮根的簡潔答案。

基準與結果

為了嚴格評估，作者建立 IntraBench 基準，收錄 315 個由專家設計的測試題目，跨五個 STEM 領域進行驗證。在七種基礎大型語言模型上比較時，IntrAgent 在跨領域準確度上平均超越現有 RAG 與研究代理基線 13.2%。

意義與應用

此研究強調章節導向的檢索與多輪閱讀的價值，能提升檢索答案的可追溯性與細節完整度，對科研文獻自動化檢索與審讀工具具有實務應用潛力。

延伸閱讀

• Sahm基準—評估阿拉伯語金融推理、伊斯蘭法合規與因果推理能力
• MORPHOGEN：以 GENFORM 衡量多語言大型模型的語法性別形態能力
• 以大型語言模型評估醫療回應完整性：方法、失敗模式與臨床限制

原始來源：ArXiv AI

系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。