受认知神经科学启发的层次化元认知监控深层搜索

由大型语言模型驱动的深度搜索代理在多步骤检索、推理和长期程度任务执行方面显示出强大的能力。然而，其实际失败往往源于缺乏机制来监控和调节随不确定性下游任务演化的推理和检索状态。认知神经科学的启发表明，人类元认知是层次化组织的，整合了快速异常检测与选择性触发的、由经验驱动的反思。在本工作中，我们提出了具备元认知监控机制的深度搜索框架（Deep Search with Meta-Cognitive Monitoring，DS-MCM）。DS-MCM集成了快速一致性监控器（Fast Consistency Monitor），用于轻量级检查外部证据与内部推理置信度之间的对齐情况；以及慢速经验驱动监控器（Slow Experience-Driven Monitor），根据历史代理轨迹的经验记忆选择性激活，以引导纠正性干预。通过将监控嵌入推理-检索循环中，DS-MCM确定何时需要干预以及如何受先前经验指导纠正性行动。在多个深度搜索基准和不同主干模型的实验中表明，DS-MCM在性能和鲁棒性方面始终优于现有方法。