搜索Agent

一直以来，高性能的深度搜索智能体（Search Agent）领域仿佛被一道“数据护城河”所隔绝。尽管开源模型层出不穷，但决定智能体能力上限的高质量训练数据——尤其是包含复杂决策与工具调用轨迹的数据——却始终被大型科技企业严密掌控。这种数据稀缺的局面，严重制约了更广泛研究社区在该领域的创新与探索。 今天，这一现状被上海交通大学的研究团队彻底打破。他们推出了 O…

当前主流的搜索智能体（Agent）普遍存在一个效率瓶颈：其执行流程是严格串行的。以广泛采用的ReAct框架为例，其模式为 “思考→调用工具→等待结果→再思考……” 。在这种模式下，模型在等待搜索引擎返回结果时完全处于空闲状态，造成了大量的时间浪费。多轮交互中，延迟不断累积，严重影响了用户体验。 研究团队通过分析发现，在多跳问答等复杂任务中，这种“干等”的串行…