SearchOS-V1：面向鲁棒开放域信息检索的智能体协作
提出SearchOS多智能体框架，把开放域信息检索建模为带溯源的关系型模式补全，用共享持久状态解决多轮搜索中的重复循环问题。
AI 深度解读
这篇论文 SearchOS-V1 瞄准的是所有“深度搜索”agent都会踩的坑——交互历史一长,agent就容易忘了自己搜到哪一步,陷入重复搜索的死循环,论文给出的解法是把“搜索进度”从agent脑子里搬到系统外部,变成显式共享状态。
- 把开放域信息检索重新定义为“关系型schema补全”问题——agent发现实体、跨表填充属性,每个填入的值都挂上可溯源的引用证据。
- 核心设计是 SOCM(面向搜索的上下文管理),把演化中的搜索状态外部化为四类结构:待办前沿(Frontier Task)、证据图(Evidence Graph)、覆盖地图(Coverage Map)、失败记忆(Failure Memory)。
- 在此基础上引入“流水线并行调度”:多个子agent的执行相互重叠,一旦某个槽位空出来,立刻用还没覆盖到的任务去填补,提升吞吐。
- 配套一个“搜索工具中间件”,拦截模型与工具的交互来记录证据、识别卡壳或预算耗尽并及时响应,还提供一套可复用的策略/访问技能库,避免agent在不同任务里重复踩同一个失败模式。
- 在 WideSearch 和 GISA 两个基准上,SearchOS 全面领先目前评测过的单/多agent基线方案。
- 对做深度搜索或RAG类产品的团队,这篇论文提供的不是新模型而是新的“agent状态管理”范式——与其指望模型自己记住搜索进度,不如把进度显式结构化、外部持久化,这可能是让多agent协作真正可控的关键一步。