现有的深度搜索智能体大多基于 ReAct 框架构建，采用线性推理方式：「思考→调用工具→观察→再思考」。这种设计在简单任务上表现良好，但在需要多轮探索的深度搜索任务中，往往陷入局部最优、重复探索和低效搜索的困境。
来自东南大学、微软亚洲研究院等机构的研究团队提出了一种全新的解决方案—— Re-TRAC （REcursive TRAjectory Compression），这个框架让 AI 智能体能够「记住」每次探索的经验，在多个探索轨迹之间传递经验，实现渐进式的智能搜索。
- 论文标题： RE-TRAC: REcursive TRAjectory Compression for Deep Search Agents
- 论文链接： https://arxiv.org/abs/2602.02486
- 项目链接： https://github.com/microsoft/InfoAgent
让探索变成「渐进式学习」过程
为什么 ReAct 会失败？
ReAct 框架的核心问题在于其线性设计。每个探索轨迹都是独立的，模型无法回顾先前尝试的状态。在长上下文场景下，早期制定的计划逐渐被遗忘，关键线索被埋没。
研究团队通过深入分析发现，现有深度搜索模型即使经过大量强化学习训练，其 Pass@K 性能仍远高于 Pass@1。这意味着模型本身具备解决问题的推理能力潜能，问题在于受限于上下文长度限制，单次探索难以生成足够多样的探索路径，无法覆盖足够宽广的搜索空间。
Re-TRAC：递归式轨迹压缩
Re-TRAC 的核心思想是将探索从一系列独立尝试转变为渐进式学习过程。具体而言，在每个探索轨迹结束时生成一个结构化的状态表示，针对深度搜索任务，记录以下三个维度的信息：
- 答案与分析结论：当前可能性最高的答案与其关键推理结果——为后续推理提供锚点。
- 证据库与来源验证：已搜集到的证据及其来源，并标记哪些已被查阅、已被验证——避免冗余的工具调用和重复检查。
- 不确定项与待探索方向：现阶段需要继续探索验证的角度、曾被遗漏的候选探索分支与曾因失败放弃的探索方向；帮助模型在下一轮中补全未探索的搜索空间。
这个结构化状态将被添加到下一轮探索的输入中，确保智能体在每轮新尝试开始时，都能清楚地了解什么已被验证、什么仍未解决，以及应该将探索重点放在哪里。
小模型也能「以小博大」
研究团队在五个具有挑战性的搜索导向基准上评估了 Re-TRAC：BrowseComp、BrowseComp-ZH、XBench、GAIA 和 HLE。
4B 模型性能 SOTA
RE-TRAC-4B 在所有小于 15B 参数的基线中表现最佳：
- 在 BrowseComp 上达到 30.0% 的准确率；
- 在 BrowseComp-ZH 上达到 36.1%；
- 在 GAIA 上达到 70.4%；
- 在 XBench 上达到 76.6%；
- 在 HLE 上达到 22.2%。
更令人惊讶的是，这个仅 4B 参数的模型在多个基准上超越了更大规模的模型。
- 在 XBench 基准上，RE-TRAC-4B 的 76.6% 准确率不仅远超 InfoAgent-14B 的 40.4%（提升了近 90%），也超过了 NestBrowse-4B 的 74.0%。
- 在 GAIA 基准上，RE-TRAC-4B 的 70.4% 准确率超过了 AgentCPM-Explore-4B 的 63.9% 和 NestBrowse-4B 的 68.9%。
30B 模型的进一步突破
RE-TRAC-30B 同样表现出色，在除 HLE 外的所有基准上都击败了 MiniMAX-M2-229B。
- 在 BrowseComp 上，其准确率达到 53%，甚至超过了 GLM-4.7-358B 的 52%。
- 在 GAIA 上，RE-TRAC-30B 击败了所有闭源模型，在 BrowseComp 和 BrowseComp-ZH 上排名第二。
这些结果说明，通过轨迹压缩与跨轮次信息传递，小模型在资源受限场景下也能获得接近甚至超过更大模型的效果。
更少的消耗、更高的性能的通用拓展
Re-TRAC 不仅可以通过训练提升小模型性能，还可以作为无需训练的测试扩展直接应用于前沿模型。
研究团队在 o4-mini、o3、GPT-5、DeepSeek-V3.2、GLM-4.7 和 MiniMax-M2.1 上实现了 Re-TRAC 框架，并与多数投票（Majority Voting）、加权投票（Weighted Voting）和最佳选择（Best-of-N）等方法进行了对比。
结果显示，Re-TRAC 在所有模型上都达到了最佳或具有竞争力的性能。在 BrowseComp300 子集上：
- o4-mini 通过 Re-TRAC 从 25.7% 提升到 46.8%；
- o3 从 54.9% 提升到 69.8%；
- GPT-5-medium 从 48.3% 提升到 66.6%；
- DeepSeek-V3.2 从 45.3% 提升到 60.8%；
- GLM-4.7 从 37.7% 提升到 60.7%。
在传统框架中，由于轨迹相互独立，资源使用量通常随扩展近似线性增长。Re-TRAC 会继承之前轮次的状态，使搜索空间逐步收敛，从而减少冗余工具调用与重复探索，提升探索的效率。
技术细节：如何训练 Re-TRAC 模型
研究团队开发了一种后训练方法，构建了基于结构化状态表示的监督微调（SFT）数据。训练数据通过实体树方法构建：从维基百科收集大量实体作为树根，然后递归搜索相关实体作为子节点，直到树达到预定义深度。
通过选择从根到叶节点的路径并将边转换为子问题，团队合成了 33K 个问答对。然后，收集 GLM-4.7 在这些合成问题上的 Re-TRAC（4 轮）轨迹，经过过滤后得到 104k 个训练样本，用于训练 RE-TRAC-4B 和 RE-TRAC-30B 模型。
实验结果显示，经过 SFT 训练后，Qwen3-4B-Instruct 在 BrowseComp 上的准确率从 2.7% 大幅提升到 30.0%，在 BrowseComp-ZH 上从 6.9% 提升到 36.1%，在 GAIA 上从 24.4% 提升到 70.4%，在 XBench 上从 45.0% 提升到 76.6%。
这表明通过简单的 SFT 训练，配合 Re-TRAC 框架，可以产生强大的搜索智能体，实现与通过大规模强化学习训练的模型相当甚至更好的性能。
优化 ReAct 的搜索框架，让小模型跑出大模型表现
Re-TRAC 可以看作是针对深度搜索任务优化过的 ReAct 框架：在原有「思考→调用工具→观察→再思考」的范式上，引入了跨轮次的轨迹压缩和结构化状态表示，让智能体在开放网络检索、复杂信息汇总等场景中不再「从零开始」，而是像人一样复用既有证据、总结失败教训并规划未来方向。
更重要的是，这种有针对性的框架设计让小模型也能跑出大模型级别的效果，为资源受限场景（如边缘设备、本地部署）提供了一条「用小模型做大事」的现实路径。
关注“鲸栖”小程序，掌握最新AI资讯
本文来自网络搜集，不代表鲸林向海立场，如有侵权，联系删除。转载请注明出处：https://www.itsolotime.com/archives/21979
