绕过推理瓶颈：用 Retrieve-for-Train 加速复杂 AI 搜索
Google Research 在 ICML 2026 论文中提出 Retrieve-for-Train 框架，用离线 RL 将数据库感知的查询分解编译为监督信号，推理时无需思考 token 即可单次生成属性对齐的查询扇出。
#搜索
Google ResearchAI 评分4343
Mistral AI精选AI 评分7171 Mistral AI 发布 Agentic Search：为 AI 系统提供更准确高效的检索结果
Mistral AI 发布 Agentic Search 检索层，以多步检索循环让模型在复杂文档中查找、检视并验证信息，在 FinanceBench 上将正确率从 26.7% 提升至 86%，在 OfficeQA Pro 上从 6.3% 升至 51.9%，p90 延迟最高降低 39.6%，token 消耗最多减少三分之一。
推荐理由：原文用两组基准给出 Agentic Search 相对一次式 RAG 的准确率、token 与延迟对比，可据此判断多步检索循环的收益边界。