迭代合成：透過角色解耦重塑深度搜尋代理
為何重要
深度搜尋能力的提升是讓 LLM Agent 從純聊天工具轉向可靠「研究助理」的關鍵，IterSynth 對上下文管理的創新解法，為開發者構建高效、穩定的長文本處理 Agent 提供了新的技術參考。
為解決傳統 ReAct 模式代理程式的角色耦合與上下文雜訊問題，研究團隊提出 IterSynth 架構，透過將規劃與合成解耦來最佳化深度搜尋效能。
- 採用摘要與角色解耦範式，由規劃者識別資訊需求，合成者整合證據至動態摘要狀態，並將摘要作為搜尋的持久記錄。
- 引進「角色解耦政策最佳化（RDPO）」進行訓練，結合終局獎勵與回合層級評判。
- 在 BrowseComp、Xbench-DS 等五個長層級深搜尋基準上，IterSynth-8B 平均分數達 50.7，超越同級最強代理 +4.2%。