WeFair：面向微信短视频搜索个性化查询改写的人类反馈保真对齐方法
研究提出 WeFair，按人类反馈反映个性化意图的直接程度分级，用示范、偏好、验证三阶段训练 2B 查询改写模型。离线实验中 WeFair-2B 在整体准确率和意图保持上优于强基线，微信短视频搜索线上 A/B 测试显示有效视频观看率相对提升 2.593%、查询改写率相对下降 2.350%。该模型已部署于日均处理超 1 亿次查询的微信短视频搜索系统。
#搜索
arXiv · cs.AI模型评分4444 arXiv · cs.AI模型评分5454 BlindToChange 基准：人工智能（AI，Artificial Intelligence） 智能体被问才找变化，需要时却不主动查
研究者提出 BlindToChange 基准，衡量 人工智能（AI，Artificial Intelligence） 智能体是否会主动发现影响回答的近期现实变化。
arXiv · cs.AI模型评分3232 在线证据包含预测（OECP）：跨文本片段的差异化查询验证调度
研究者提出在线证据包含预测（OECP，Online Evidence-Containment Prediction），要求每个候选片段在精确验证前先做预测且最多查询一次，把片段包含关系形式化为三角二维乘积序，从而转化为差异化查询的在线等渗回归问题。
arXiv · cs.AI模型评分4242 研究：GPT-5 mini 与 Grok 4 Fast 超九成外部知识问题会搜索，Mistral Small 仅两成
一项新基准用 400 道选择题测试五个商用大语言模型（LLM，Large Language Model）何时该搜索、何时该直接作答，题目分为应直接回答的已知知识和训练截止后新闻类外部知识两类。