مقاله‌ی arXiv:2610.05382 · در صف خبرنامه
Harness-Search: Guiding Long-Horizon Search through Multi-Agent Coordination
هارنس‌سرچ: هدایت جست‌وجوی بلندمدت با هماهنگی چندایجنتی پیشنهاد، ثبت و ممیزی
- تاریخ
- (۱۲ مهر ۱۴۰۵) 2026-10-04 تأییدشده از روی تاریخ ارسال نسخه‌ی اول در آرکایو
- نویسنده‌ها
- Shanyong Wang, Zhenwen Ji, Lei Jin, Yining Zhao, Yicheng Qian, Chengqiang Lu, Yi Wu, Yao Hu, Lizhen Cui, Yanyu Xu
- نهاد نویسنده‌ها
- Xiaohongshu Inc.; Joint SDU-NTU Centre for Artificial Intelligence Research (C-FAIR), Shandong University; University of Illinois at Urbana-Champaign
- موضوع‌ها
خلاصه‌ی فارسی
مسئله
جست‌وجوی بلندمدت نیاز دارد ایجنت شواهد را در چند گام جمع و به پاسخ مستند تبدیل کند. با رشد تاریخچه، یک ایجنت واحد ممکن است گیر کند، پرسش‌های حل‌نشده را گم کند، شواهد مفید را نادیده بگیرد یا پیش از جمع شدن پشتیبانی کافی متوقف شود.
روش
هارنس چندایجنتی Harness-Search سه مسئولیت را جدا می‌کند و به سه مرجع با مجوز محدود می‌سپارد: یک سیاست بازیابی که عملیات جست‌وجو پیشنهاد می‌کند، یک گرداننده‌ی حافظه که به‌روزرسانی‌های وضعیت پایدار را اعتبارسنجی و ثبت می‌کند، و یک ممیز خلاصه که پیشنهاد توقف را بر اساس کفایت شواهد گزینش‌شده می‌پذیرد یا رد می‌کند. این نقش‌ها یک حلقه‌ی پیشنهاد، ثبت و ممیزی می‌سازند.
یافته‌ها
- در هفت بنچمارک جست‌وجوی بلندمدت با همان مدل پایه، هم بازیابی و هم تولید پاسخ بهتر شد.
- نسبت به قوی‌ترین پایه‌ی هارنس‌محور در هر بنچمارک بازیابی شواهد، بازخوانی را ۴٫۶۰ تا ۲۷٫۹۲ امتیاز و بازخوانی پاسخ نهایی را ۱۲٫۳۴ تا ۳۰٫۱۳ امتیاز بالا برد.
- تحلیل مسیرها نشان داد روش به جمع کردن شواهد مفید در طول جست‌وجو ادامه می‌دهد.
محدودیت‌ها
نویسنده‌ها می‌گویند هماهنگی چندایجنتی و ممیزی مکرر سربار استنتاج دارد، کارایی به مدل‌های گرداننده‌ی حافظه و ممیز وابسته است، و رد پیشنهاد توقف تضمین نمی‌کند جست‌وجوی بعدی شواهد گم‌شده را پیدا کند.
چرا مهم است
یک ایجنت که هم جست‌وجو می‌کند، هم حافظه را مدیریت می‌کند و هم تصمیم به توقف می‌گیرد، زود خطا می‌کند. تقسیم این نقش‌ها با کنترل متقابل، جست‌وجوی طولانی را قابل اعتمادتر می‌کند.