在人工智能代理（AI Agents）的应用落地过程中，如何让模型具备在复杂文档中精准定位信息的能力，一直是行业面临的最大挑战之一。尽管大语言模型（LLM）在生成文本方面表现出色，但面对长篇报告、法律文书或企业知识库时，传统的检索增强生成（RAG）技术往往难以避免“迷失在中间”或产生幻觉等问题。针对这一痛点，AI 研究初创公司 Nace AI 近期宣布推出了一项名为“Drex for Search”的新技术，旨在通过引入决策推理模型，大幅提升 AI 代理在文档搜索领域的表现。
此次发布的核心成果是 Drex for Search，它将 Nace AI 独有的 Drex（Decision Reasoning Engine，决策推理引擎）模型引入了文档检索流程。Drex 模型的核心优势在于它不仅仅是一个检索工具，更像是一个“指挥官”。在传统的检索流程中，AI 代理往往需要盲目地多次调用搜索引擎或阅读器，直到找到答案或达到 token 限制。而 Drex 模型能够在执行搜索前，对文档的结构、语义以及搜索意图进行深度分析，从而做出更优的决策：是直接搜索、需要多轮筛选，还是放弃当前文档转向其他来源。
根据官方发布的基准测试结果，Drex for Search 在 BrowseComp-Plus 数据集上取得了惊人的 92.05% 的准确率。这一数据相较于以往的基线模型有了显著提升，标志着 AI 代理在处理复杂文档检索任务时，其可靠性和稳定性迈上了一个新台阶。更值得注意的是，Drex for Search 在效率方面同样表现出色。测试数据显示，完成检索任务仅需 12.6 次搜索调用。对于企业级应用而言，这意味着 API 成本的降低和响应速度的加快。每次搜索调用都涉及 token 消耗和计算资源，减少调用次数直接意味着更低的运营成本。
除了在 BrowseComp-Plus 上的优异表现，Nace AI 还展示了 Drex for Search 在 OfficeQA Pro 任务上的应用潜力。在该任务中，Drex 帮助 AI 代理减少了所需的轮次（turns）。在多轮对话中，减少轮次意味着更流畅的用户体验和更少的交互延迟。这表明 Drex 不仅能提高准确性，还能优化交互逻辑，让 AI 代理在面对开放式办公任务时更加游刃有余。
从行业影响来看，Drex for Search 的发布具有里程碑式的意义。随着企业数字化转型的深入，数据量呈爆炸式增长，员工和内部 AI 助手每天需要处理海量的文档。一个能够高精度、低延迟地提取关键信息的工具，将成为企业效率提升的关键。此外，这一技术也为“AI 代理”的通用化铺平了道路。未来的 AI 代理将不再局限于聊天机器人，而是成为能够自主规划、自主搜索、自主决策的智能工作体。
展望未来，Nace AI 的这一突破可能引发技术路线的变革。它证明了在纯粹的生成式模型之外，引入专门的“决策层”是解决复杂推理任务的有效途径。随着更多开发者采用 Drex for Search，我们有望看到更多能够处理专业领域（如法律、医疗、金融）复杂文档的 AI 应用涌现。这不仅是对现有 AI 搜索技术的补充，更是推动 AI 代理从“对话者”向“执行者”转变的重要一步。
信息来源：MarkTechPost，原文链接：https://www.marktechpost.com/2026/10/26/nace-ai-releases-drex-for-search-for-ai-agents/
