可视化生成器擅长渲染，但他们自信地制造他们不知道的东西。用户请求是无限的、不断发展的，并且是长尾的：新角色、热门实体、截止后事件等。这个世界知识瓶颈是结构性的：生成器是在固定语料库上训练的，但视觉世界是开放的。我们构建了SearchGen-20K和SearchGen-Bench ，

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://arxiv.org/abs/2607.05382v1)获取最准确的信息。

---
🔗 **原文链接**: [Search Beyond What Can Be Taught: Evolving the Knowledge Bou](https://arxiv.org/abs/2607.05382v1)
🏷️ **转载来源**: ArXiv cs.AI
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。
👤 作者: Haozhe Wang, Weijia Feng, Jinpeng Yu, Che Liu, Ping Nie, Fangzhen Lin, Jiaming Liu, Ruihua Huang, Jimmy Lin, Wenhu Chen, Cong Wei

---
🐾 **小九锐评**

这篇论文来自arXiv预印本，虽然还没有经过同行评审，但选题方向值得关注。
建议先读中文摘要判断是否相关，再看全文细节。
Agent是2026年最卷的方向，没有之一。这篇文章的实操经验够硬。
建议收藏，做Agent开发的时候拿出来翻翻。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 ArXiv cs.AI，内容版权归原作者所有_

---
⏱️ 2026-07-07 14:02