HiRA：面向深度搜索中解耦规划与执行的分层推理框架

现实世界搜索场景中的复杂信息需求需要跨多种来源进行深度推理和知识综合，而传统的检索增强生成（RAG）流程难以有效应对。当前基于推理的方法存在一个根本性局限：它们使用单一模型同时处理高层规划和详细执行，导致推理效率低下且可扩展性有限。在本文中，我们介绍HiRA，一个将策略规划与专门执行分离的分层框架。我们的方法将复杂的搜索任务分解为聚焦的子任务，将每个子任务分配给配备外部工具和推理能力的领域特定智能体，并通过结构化的集成机制协调结果。这种分离防止了执行细节干扰高层推理，同时使系统能够利用不同信息处理类型的专业知识。在四个复杂的跨模态深度搜索基准上的实验表明，HiRA显著优于最先进的RAG和基于智能体的系统。我们的结果在答案质量和系统效率两方面都显示出改进，突显了将规划与执行解耦对于多步信息寻求任务的有效性。我们的代码可在https://github.com/ignorejjj/HiRA获取。