AgentDisCo：面向开放式深度研究智能体的解耦与协作
信息检索
2026-05-13 v1 计算与语言
多智能体系统
多媒体
摘要
在本文中，我们提出了 AgentDisCo，一种新颖的解耦与协作式智能体架构，它将深度研究形式化为信息探索与利用之间的对抗性优化问题。与将这两个过程合并到单个模块的现有方法不同，AgentDisCo 采用一个评论家智能体来评估生成的大纲并优化搜索查询，以及一个生成器智能体来检索更新后的结果并据此修订大纲。迭代优化后的大纲随后传递给下游的报告撰写器，以综合生成一份全面的研究报告。整个工作流通过一个元优化框架支持手工设计和自动发现的设计策略，其中生成器智能体被重新用作评分智能体，以评估评论家的输出并生成质量信号。强大的代码生成智能体（例如 Claude-Code、Codex）系统地探索智能体配置并构建一个策略库，这是一个可复用设计策略的结构化存储库，使框架能够在无需大量人工干预的情况下自我优化。我们使用 Gemini-2.5-Pro 在三个已建立的深度研究基准（DeepResearchBench、DeepConsult、DeepResearchGym）上评估了 AgentDisCo，其性能与领先的闭源系统相当或更优。观察到现有基准未能充分反映真实世界的用户需求，我们引入了 GALA（通用 AI 生活助手），这是一个从用户历史浏览行为中挖掘潜在研究兴趣的基准。我们进一步开发了一个渲染智能体，将研究报告转换为视觉丰富的海报演示，并展示了一个端到端产品“AutoResearch Your Interest”，该产品可根据个人浏览历史提供个性化的深度研究推荐。
引用
@article{arxiv.2605.11732,
title = {AgentDisCo: Towards Disentanglement and Collaboration in Open-ended Deep Research Agents},
author = {Jiarui Jin and Zexuan Yan and Shijian Wang and Wenxiang Jiao and Yuan Lu},
journal= {arXiv preprint arXiv:2605.11732},
year = {2026}
}