arXiv · cs.AI· Yilun Hao, Krishna Sayana, Isabella Ye, James S Ren, Sukhdeep Sodhi, Craig Boutilier, Chuchu Fan·· 18 小时前
RECAST：通过自适应证据路由学习计算正确上下文
RECAST: Learning to Compute the Right Context through Adaptive Evidence Routing
arXiv:2610.10507v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Yilun Hao, Krishna Sayana, Isabella Ye, James S Ren, Sukhdeep Sodhi, Craig Boutilier, Chuchu Fan
首次提交：2026-10-08 01:51
研究任务与主要进展
研究团队提出RECAST，将多源信息的证据构造建模为检索与计算操作上的序列决策，由Qwen3.5-9B RouterLM选择或定制操作，再交给冻结的CompilerLM生成可执行代码。基于论文摘要，RECAST在六类异构基准上取得75.6%的平均成功率，比最强大模型基线高15.9%，并在三个留出基准上平均高15.0%。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org