// AI 新闻 · 2026-11-16 · Dev.to LLM
分解检索策略反而劣化，简单方案更有效
作者在构建一个多智能体自由职业辅助系统时，尝试将招聘需求分解后分别检索证据，期望提升召回率。实验显示该策略不仅未改善效果，反而使MRR指标从0.47降至0.63，且在消融分析中发现，移除分解模块后MRR回升至0.92，说明原方法因过度分散项目片段而破坏了查询中的隐含条件。整个招聘需求的联合语义信息本由交叉编码器处理，拆分后丢失了关键上下文。
原文发布 2026-11-16 00:29（北京时间）来源 Dev.to LLM自动整理 · 已核对原文
01摘要
另一项发现是，系统在判断是否投标时存在明显偏差：对预算低于 freelancer 起薪的低额任务仍会投标，导致30个错误案例。通过添加预算与起薪比对的简单规则，F1从0.89提升至0.98，错误数降至6。此外，测试集中的注入式欺诈文本被误判为诈骗而被拒绝，经调整仅扫描非指令性语句后，错误归零，系统不再对含指令的恶意请求直接拒收。
由开源模型根据原文自动整理，经数字/专名逐项核对（必须在原文中出现），以原文为准。
02要点
- 需求分解检索策略导致MRR从0.47降至0.63，消融实验表明其破坏了查询中隐含的条件语义。
- 移除分解模块后MRR恢复至0.92，证明原方法因片段分散而削弱了检索质量。
- 投标决策中存在预算未校验问题，添加预算与起薪比对规则后F1从0.89升至0.98。
- 恶意指令注入被误判为诈骗，通过限制扫描范围修复，系统不再对含指令的请求直接拒收。
03原文出处
The clever retrieval trick lost. A boring if statement won.
Dev.to LLM · 发布于 2026-11-16 00:29（北京时间） · 上方为原标题
05相关新闻
出自智图 AI 新闻：从 1100 多个官方与媒体信源采集。摘要只转述原文内容，详情请看原文。 2026-11-16 全部新闻 · 按日期归档 · 全部 AI 新闻 · 今日