Seek 用测试时迭代检索让 Qwen2.5-7B 在 BRIGHT 上相对 BM25 提升 82%，GPT-4.1 达 37.4 nDCG@10
该工作提出 Seek——一个免训练的自评估探索式检索框架，通过在测试时进行多轮语料交互（LLM 依据累积的相关性反馈生成伪段落、检索器给出新候选、专门的评估器给出分级相关性判断以指导后续轮次），在 TREC Deep Learning 上排名质量与训练过的重排器相当并持续提升 Recall@100，在 BRIGHT 上 Qwen2.5-7B 相对 BM25 取得 82% 的相对增益并超过所有训练基线，GPT-4.1 达到 37.4 的平均 nDCG@10、超过最强基线 37%。