IterSynth：让深度搜索智能体分工规划与综合

导语

深度搜索并不只是让大模型多搜几次网页。面对复杂问题，智能体需要拆解任务、判断还缺什么信息、选择下一步查询，并把分散证据组织成可靠答案。现有 ReAct 式系统通常让同一个策略同时完成这些工作，搜索轮次增加后，完整历史也会不断堆积，重要线索容易被噪声淹没。IterSynth 试图从“如何分工”和“如何保存状态”两方面重新设计这一流程。

核心思路：两个角色，一个共享模型

IterSynth 不采用两个完全独立的模型，而是让同一套参数在两个角色之间交替切换：

• Planner：读取当前的紧凑状态，识别尚未解决的信息需求，生成下一条子查询；
• Synthesizer：检查新获得的证据，将有用内容整合进不断演化的摘要中。

在这种循环里，摘要不再只是搜索结束后的压缩产物，而是贯穿整个过程的持久状态。下一轮规划主要依赖重建后的有限工作区，而不是完整保留所有搜索轨迹。这样既降低了上下文长度带来的干扰，也让规划与证据综合这两类能力在流程层面得到区分。

RDPO：让训练信号对应具体角色

仅改变提示流程并不足以保证长程搜索稳定运行。为此，研究者提出 Role-Decoupled Policy Optimization（RDPO）。该方法在最终答案奖励之外加入逐轮的评价标准，并分别针对 Planner 和 Synthesizer 计算组内相对优势。换言之，某一轮查询是否有效、某次摘要更新是否改善了状态，可以获得更贴近自身职责的反馈，而不必完全由最终答案成败来承担信用分配。

实验结果与解读

在 GAIA text-only、xBench、BrowseComp 及 BrowseComp-ZH 等长程搜索任务上，IterSynth-8B 的平均得分为 50.7，较此前最强的 8B 级智能体高 4.2 个百分点。训练消融显示，SFT 得分为 44.1，加入仅基于结果的 GRPO 后升至 48.9，采用 RDPO 后达到 50.7。研究还报告称，替换掉未经训练的 Planner 会造成明显性能下降，说明角色分工本身并不是简单的提示包装。

工程层面，摘要驱动的有限上下文使搜索轮次从 12 次以上减少到约 7—8 次，耗尽上下文的比例低于 5%，相较等价的双模型部署，推理时间降低约 13%—15%。此外，IterSynth 也可以作为与模型无关的提示范式，在 Claude-4.5-Opus 和 DeepSeek-V3.1 上相对 ReAct 获得零样本增益。

意义与局限

IterSynth 的价值不只在于提高一个 8B 模型的分数，更在于提出了一种可复用的智能体状态管理方式：把搜索记忆从“完整轨迹”转成“可持续修订的工作摘要”。这可能有助于构建更节省上下文、更容易训练和部署的研究型智能体。不过，摘要本身也可能丢失细节或引入错误，因此摘要质量、证据可追溯性以及在更多任务上的稳定性，仍是后续评估重点。

来源：Hugging Face Daily Papers