停止喂饭：为什么你的大模型需要学会“自己去打猎”？
【导读】 你还在为大模型的“幻觉”和“知识截断”焦虑吗？当你花费百万美金微调模型，试图记住“2025年谁是科技圈顶流”时，亚马逊的一群工程师却在说：别记了，让它自己去搜吧。 今天我们不聊算力霸权，聊聊一种能让大模型从“书呆子”进化为“调查记者”的新逻辑——AgREE。 这里的黎明静悄悄：被遗忘的“新事物” 大模型圈子里有一个心照不宣的秘密：所有的 LLM 都是活在过去的幽灵。 不管你的参数量是 70B 还是 400B，训练结束的那一刻，你的认知就固化了。面对每天涌现的新闻、新瓜、新名词（所谓的 Emerging Entities），大模型通常只有两种反应：要么一本正经地胡说八道（幻觉），要么两手一摊说“我不知道”。 传统的解决办法是什么？ 1. RAG（检索增强生成）： 像是给考生发了一本开卷考试的书。但如果书里没有（检索失败），或者书太厚找不到（单步检索局限），照样挂科。 2. 微调（Fine-tuning）： 把新知识硬塞进脑子里。贵，且慢。等你微调完，新闻都成旧闻了。 亚马逊最近搞出的这个 AgREE (Agentic Reasoning for Emerging Entities)，其实就干了一件事：不仅给考生发书，还教会了他怎么查字典，怎么顺藤摸瓜。 拆解 AgREE：从“单步检索”到“逻辑侦探” 这篇论文的核心逻辑非常性感。它不再执着于让模型“记住”知识，而是训练模型“构建”知识。 …