MindSearch：模拟人类思维的深度AI搜索器
计算与语言
2025-11-03 v2 人工智能
摘要
信息寻求与集成是一项耗费巨大时间和精力的复杂认知任务。受大型语言模型（LLM）取得的显著进步的启发，最近的工作尝试通过结合LLM和搜索引擎来解决此问题。然而，这些方法仍因以下三个挑战而获得不满意的性能：（1）复杂请求往往无法被搜索引擎一次准确且完整地检索；（2）需要集成的信息可能分布在多个网页中并伴随大量噪声；（3）大量网页的长内容可能很快超过LLM的最大上下文长度。受人类解决这些问题的认知过程的启发，我们引入MindSearch来模拟人类在网页信息寻求与集成中的思维过程，这可以通过一种简单而有效的LLM-based多主体框架来实例化。在MindSearch中，WebPlanner将人类多步骤信息寻求建模为动态图构建过程：它将用户查询分解为原子子问题作为图中的节点，并根据从WebSearcher检索到的搜索结果逐步扩展图。针对每个子问题，WebSearcher使用搜索引擎执行分层信息检索并收集有价值的信息供WebPlanner使用。MindSearch的多主体设计使整个框架能够从大规模（例如超过300个）网页在3分钟内并行寻求和集成信息，这相当于人类工作3小时。MindSearch在闭合题和开放题QA问题中，都在响应质量的深度和广度方面实现了显著改进。此外，基于InternLM2.5-7B的MindSearch响应，相较于ChatGPT-Web和Perplexity.ai应用程序，更受人类青睞，这表明MindSearch已经能够提供一种具竞争力的专有AI搜索引擎解决方案。
引用
@article{arxiv.2407.20183,
title = {MindSearch: Mimicking Human Minds Elicits Deep AI Searcher},
author = {Zehui Chen and Kuikun Liu and Qiuchen Wang and Jiangning Liu and Wenwei Zhang and Kai Chen and Feng Zhao},
journal= {arXiv preprint arXiv:2407.20183},
year = {2025}
}
备注
ICLR2025. Project Page: https://mindsearch.netlify.app Code: https://github.com/InternLM/MindSearch