CASE EVIDENCE / A RECORD
ChuanMeng (SIGIR 2026 研究团队) 公开的研究与报告生成案例，来源为 公开代码库，复核于 2026-06-26T23:55:00Z。
原始记录：SIGIR 2026: GLM-4.7-Flash 作为深度研究 Agent 进行文本排序评估
Chinese Brief
ChuanMeng (SIGIR 2026 研究团队) 公开的研究与报告生成案例，来源为 公开代码库，复核于 2026-06-26T23:55:00Z。 Model Atlas 将它标记为 A 类证据，因为它同时具备具体使用者、具体任务、公开原始证据和可访问产物。 Model Atlas 不把 benchmark、教程、发布说明或集合页包装成真实案例。
任务
SIGIR 2026 论文《Revisiting Text Ranking in Deep Research》使用 GLM-4.7-Flash (30B) 作为深度研究 Agent，在 BrowseComp-Plus 数据集上评估 5 种检索器（BM25、SPLADE-v3、RepLLaMA、Qwen3-Embedding-8B、ColBERTv2）和 3 种重排器（monoT5-3B、RankLLaMA-7B、Rank1-7B）的文本排序性能。
发表于 SIGIR 2026（第 49 届 ACM SIGIR 信息检索国际会议）的研究论文，提供了深度研究场景下文本排序方法的全面评估。发布了 BrowseComp-Plus 段落语料库、所有检索器索引和完整执行轨迹数据。
GLM-4.7-Flash (30B) 作为两个深度研究 Agent 之一（与 gpt-oss-20b 并列），通过本地 vLLM 服务器部署运行，在多轮检索-重排序循环中执行信息检索和推理任务，是论文实验评估的核心 Agent 模型。
使用 GLM-4.7-Flash (30B) 而非 GLM-4.7 主版本；属于学术研究实验而非生产应用，但有完整的论文发表和开源代码，证据等级高。