IterSynth：通过角色解耦与迭代合成重构深度搜索智能体
深度搜索要求大语言模型智能体分解复杂查询、检索证据并合成可靠答案。然而现有的 ReAct 架构智能体存在角色耦合（单策略兼顾规划、证据利用与合成）以及搜索历史累积导致上下文噪声增加的问题。为此，研究团队提出 IterSynth 范式，通过角色解耦与基于摘要的状态演进机制，在负责识别信息需求的规划器与负责整合证据的合成器之间交替执行，有效改善了深度搜索智能体的长程推理与信息合成能力。
推荐理由针对传统 ReAct 智能体在深度搜索任务中的角色耦合与上下文冗余缺陷，提出了创新的解耦迭代范式。
原标题：IterSynth: Rethinking Deep Search Agents via Role-Decoupled Iterative Synthesis
阅读 arXiv 自然语言处理 原文 ↗