深度研究智能体换掉检索外壳：CORE 只把最相关片段送进上下文，553M 文档库上准确率领先 12.28 点
核心概要
高通 AI 研究提出的 CORE 是一个免训练的研究外壳，把检索拆成粗到细两步：先用稠密检索取回整段文本，再复用后期交互重排器的词元级相似度，只把每段里最相关的片段交给智能体。在固定语料的封闭检索对照中，CORE 在三个智能体模型与三个基准的每一组比较里都取得最高的答案准确率和证据召回率，语料规模从 10 万网页文档到 5.53 亿篇 ClimbMix 文档。
深度剖析
深度研究智能体每次搜索拿到的证据从整段文本缩到片段，而检索仍在足够长的段落上进行，因此匹配可靠性和上下文开销不再互相牵制。 此前的开源外壳在文档或段落层级检索，并把检索到的文本基本原样追加进上下文，再由语言模型自己在冗余文本里找出有用的几句话。 在固定语料的封闭检索对照中，CORE 与 Tongyi DeepResearch、OpenResearcher 两个外壳比较，在三个智能体模型和三个基准的每一组比较里答案准确率与证据召回率都最高。
做法是把定位证据的负担从智能体移到搜索本身：粗检索选出候选段落，细重排选出段落内最相关的片段。 细粒度重排使用基于 ColBERT 的后期交互模型 Reason-ModernColBERT，它对查询和段落逐词元比对并取最大匹配求和，得到段落分数。 重排时算出的词元级相似度矩阵被直接复用来给段落内相互重叠的片段打分，选出得分最高的片段，不需要额外编码；上下文管理则允许智能体围绕已检索来源扩展上下文，并把重复片段替换为紧凑引用。
两个组件各自带来可测的增益，且增益不来自占用更多上下文。 以 Tongyi-DeepResearch-30B-A3B 为智能体、在 BrowseComp-Plus 上，不用工具时准确率为 4.58%，仅用粗检索为 62.61%。 在粗检索之上加入粗到细搜索把准确率提到 70.84%，再加入上下文管理达到 80.12%；在 5.53 亿文档的语料上，CORE 对 GPT-5.4 和 Qwen3.8-27B 的中位峰值上下文都是最低的。
启示与展望
结论建立在三个固定文本集合与参考答案的基准上，即 BrowseComp-Plus 的 830 个问题与约 10 万网页文档、BrowseComp-Wikipedia 的 232 个问题与约 608 万篇维基百科文章、BrowseComp-PlusCM 的 57 个问题与 5.53 亿篇 ClimbMix 文档；作者明确把在实时网络搜索和开放式研究报告上的评估列为后续工作。
固定语料不反映开放网络的动态与异质性，基于参考答案的评测也未必能完全反映约束较少的研究任务中长篇综合的质量；在 BrowseComp-PlusCM 上，各外壳的证据召回率都明显低于答案准确率，因为同一事实可由多篇文档支持，标注的相关集合包含经核实的重复文档。