False Frontiers：诊断并缓解自演化搜索代理中的共作弊问题
论文提出共作弊（co-cheating）概念，指自演化搜索代理中出题者与解答者共享错误导致内部奖励提升但外部正确率未同步增长。
Why it matters: 提出自演化搜索代理的共作弊诊断方法，为构建可信自演化课程提供可复现的缓解方案。
#搜索
#搜索
4 todayarXiv · Computation and LanguageSelectedAI score6060 arXiv · Information RetrievalSelectedAI score6262 omni-macos：Apple Silicon 上的本地全模态搜索
omni-macos 是一个把文本、代码、文档、图像、音频和视频嵌入同一表示空间的搜索引擎，编码器、索引和存储均运行在本地 Mac 上，不上传索引、查询或向量。它在统一内存预算内维护后台索引器与交互搜索框，对每个分块只嵌入一次、仅对变更分块重编码，查询时用索引的 one-bit 副本精确重打分，并在五款加速器宽度八倍、内存三十二倍的 Mac 上完成评测。
Why it matters: 该研究在 Apple Silicon 上实现了本地全模态检索，为隐私敏感场景下的多模态搜索提供了可复现的工程路径。
arXiv · Information RetrievalSelectedAI score6060 抖音广告生成式端到端检索研究 GEAR 框架
arXiv 论文提出 GEAR 端到端生成式广告检索框架，联合优化 tokenizer、generator 与 reranker；引入 BasisVQ 与 prefix-aware BasisRQ 缓解表示坍塌，并集成上下文条件重排头以减少候选碰撞，目前服务于抖音广告数亿日活用户。
Why it matters: 论文针对生成式检索的表示坍塌与候选碰撞两大瓶颈提出联合优化框架，为大规模推荐系统的端到端可微分范式提供了新思路。
arXiv · Computers and SocietySelectedAI score6262 打破信息茧房：生成式 AI 搜索扩大集体注意力并提升共同信息消费
arXiv 论文《Breaking News Out of the Filter Bubble》通过《华盛顿邮报》37,561 名读者的随机现场实验发现，提供 AI 答案与文章引用的搜索使广泛话题触达更广、读者话题重叠度上升，同时消费更分散并向小众话题偏移。
Why it matters: AI 搜索在扩大信息覆盖的同时提升了读者间的话题重叠，为理解生成式搜索对公共信息消费的影响提供了实验证据。