IterSynth通过角色解耦与迭代式合成重新设计深度搜索智能体
IterSynth是一种深度搜索智能体框架，将规划与证据合成分离。Planner负责确定信息需求，Synthesizer则把搜索结果整合到持续更新的摘要中，并以摘要作为搜索过程的持久状态。该设计旨在减少单一策略同时承担规划、证据使用和合成所产生的能力耦合，同时降低搜索历史不断累积带来的上下文噪声。其训练方法“角色解耦策略优化”结合最终结果奖励、逐轮评估和按角色分配的优势值。在五个长程深度搜索基准测试中，IterSynth-8B平均得分为50.7，比最强的同类8B以内智能体高出4.2%。该提示范式在商业前沿模型上也无需额外训练，便能相较ReAct获得零样本性能提升。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。